гол Hypre е на проекта за Scalable Linear Solvers е да се разработи мащабируеми алгоритми и софтуер за решаване на големи, разпръснати линейни системи от уравнения за паралелни компютри.
Основната софтуерния продукт е hypre, библиотека от високи preconditioners за изпълнение, които предлага паралелни методи мултигрид за двете структурирани и неструктурирани проблеми решетка.
Проблемите на интереси възникват в кодовете за симулация в процес на разработка LLNL и другаде да учат физични явления в отбраната, на околната среда, енергетиката и биологичните науки.
Въпреки паралелна обработка е необходима за числено решаване на тези проблеми, само тя не е достатъчна. Необходими са също Scalable числени алгоритми. Чрез "мащабируеми" ние обикновено означава способността да се използват ефективно допълнителни изчислителни ресурси за решаване на все по-големи проблеми. Много фактори допринасят за мащабиране, включително архитектурата на паралелен компютър и паралелното прилагане на алгоритъма. Въпреки това, един важен въпрос, който често се пренебрегва: скалируемостта на самия алгоритъм. Тук, мащабируемост е описание на това как общите изчислителни изисквания работни растат с големина проблем, който може да се обсъжда, независимо от платформата на компютри.
Много от алгоритмите, използвани в днешните кодове за симулация се основава на вчерашната недостъпен технология. Това означава, че работата необходими за решаване на все по-големи проблеми расте много по-бързо от линейно (оптимален курс). Използването на мащабируеми алгоритми може да намали симулационни пъти с няколко порядъка, по този начин намаляване на двудневно навечерието на MPP до 30 минути. Освен това, на кодовете, които използват тази технология са ограничени само от размера на паметта на устройството, тъй като те са в състояние ефективно да използват допълнителни компютърни ресурси за решаване на огромни проблеми.
Scalable алгоритми позволяват учен на заявление и за двете представляват и да отговорим на новите въпроси. Например, ако дадена симулация (с особен резолюция) отнема няколко дни, за да тичам, и рафинирани (т.е., по-точно) модел ще отнеме много повече време, учен за кандидатстване могат да се откажат от по-големите, по-висока вярност симулация. Той или тя може да бъде принуден да се стесни обхватът на проучване параметър, защото всеки цикъл отнема твърде много време. Чрез намаляване времето за изпълнение, мащабируема алгоритъм позволява ученият да направи повече симулации при по-високи резолюции
Какво ново в тази версия:.
<ул >
Коментари не е намерена