Mục tiêu của dự án Scalable tuyến tính Solvers Hypre là phát triển các thuật toán mở rộng và phần mềm để giải quyết lượng lớn, hệ thống tuyến tính thưa thớt của phương trình trên máy tính song song.
Các sản phẩm phần mềm chính là hypre, một thư viện các preconditioners hiệu suất cao có tính năng phương pháp multigrid song song cho cả hai vấn đề lưới điện có cấu trúc và phi cấu trúc.
Các vấn đề quan tâm phát sinh trong các mã mô phỏng được phát triển tại LLNL và các nơi khác để nghiên cứu các hiện tượng vật lý trong việc bảo vệ, môi trường, năng lượng, và khoa học sinh học.
Mặc dù xử lý song song là cần thiết cho các giải pháp số của những vấn đề này, một mình nó không phải là đủ. Thuật toán số Scalable cũng được yêu cầu. Bằng cách "mở rộng", chúng tôi thường có nghĩa là khả năng sử dụng tài nguyên tính toán bổ sung có hiệu quả để giải quyết vấn đề ngày càng lớn hơn. Có nhiều yếu tố góp phần vào khả năng mở rộng, bao gồm cả các kiến trúc của máy tính song song và thực hiện song song của thuật toán. Tuy nhiên, một vấn đề quan trọng thường bị bỏ qua: khả năng mở rộng của thuật toán riêng của mình. Ở đây, khả năng mở rộng là một mô tả về cách tổng nhu cầu công việc tính toán phát triển với kích thước vấn đề, trong đó có thể được thảo luận độc lập với nền tảng điện toán.
Nhiều người trong số các thuật toán được sử dụng trong mã mô phỏng hiện nay đều dựa trên công nghệ của ngày hôm qua không thể leo. Điều này có nghĩa rằng các công việc cần thiết để giải quyết vấn đề ngày càng lớn hơn phát triển nhanh hơn nhiều so với tuyến tính (tỷ lệ tối ưu). Việc sử dụng các thuật toán mở rộng có thể làm giảm thời gian mô phỏng của một số đơn đặt hàng của các cường độ, do đó làm giảm một hai ngày chạy trên một MPP đến 30 phút. Hơn nữa, các mã có sử dụng công nghệ này chỉ được giới hạn bởi kích thước của bộ nhớ của máy vì họ có thể khai thác hiệu quả nguồn tài nguyên máy tính bổ sung để giải quyết vấn đề rất lớn.
Thuật toán mở rộng cho phép các nhà khoa học áp dụng cho cả hai đặt ra và trả lời những câu hỏi mới. Ví dụ, nếu một mô phỏng định (với độ phân giải đặc biệt) phải mất vài ngày để chạy, và một mô hình tinh chế (tức là, chính xác hơn) sẽ mất nhiều thời gian, các nhà khoa học ứng dụng có thể từ bỏ các mô phỏng, độ trung thực cao lớn hơn. Bác sĩ cũng có thể bị buộc phải thu hẹp phạm vi của một nghiên cứu tham số vì mỗi lần chạy mất quá lâu. Bằng cách giảm thời gian thực hiện, một thuật toán khả năng mở rộng cho phép các nhà khoa học để làm nhiều hơn mô phỏng ở độ phân giải cao hơn
là gì mới trong phiên bản này:.
- Phiên bản này bổ sung thêm một Divergence Auxiliary-gian Solver (ADS), một dư thừa thô lưới giải quyết tùy chọn để BoomerAM, và
- Nó mở rộng AMS và ADS giải quyết để hỗ trợ (tùy ý) bậc cao H (curl) và H (div) phương pháp rời rạc hóa.
- Nó cập nhật và cải tiến một số ví dụ.
- Có các loại sửa chữa.
Bình luận không