巴勃罗·德·奥利维拉·卡斯特罗
人员信息
附属: 法国凡尔赛大学
其他同名人员
优化列表
2020年–今天
2024 [j8] El-Mehdi El Arar公司 , 德万·索希尔 , 巴勃罗·德·奥利维拉·卡斯特罗 , 埃里克·佩蒂特 :
随机舍入方差计算中非线性误差的界。 SIAM J.科学。 计算。 46 ( 5 ) : 579- ( 2024 ) [第九章] 陈燕翔 , 巴勃罗·德·奥利维拉·卡斯特罗 , 保罗·比伦蒂内西 , 罗马人Iakymchuk :
借助工具实现混合决策:Nekbone案例研究。 CoRR公司 abs/2405.11065 ( 2024 ) [i8] 奥雷连·德尔瓦尔 , 弗朗索瓦·科彭 , 埃里克·佩蒂特 , 罗马人Iakymchuk , 巴勃罗·德·奥利维拉·卡斯特罗 :
Verificarlo CI:用于数值优化和调试的持续集成。 CoRR公司 abs/2407.08262 ( 2024 ) 2023 [j7] El-Mehdi El Arar公司 , 德万·索希尔 , 巴勃罗·德·奥利维拉·卡斯特罗 , 埃里克·佩蒂特 :
随机舍入方差和概率界:一种新方法。 SIAM J.科学。 计算。 45 ( 5 ) : 255- ( 2023 ) [i7] El-Mehdi El Arar公司 , 德万·索希尔 , 巴勃罗·德·奥利维拉·卡斯特罗 , 埃里克·佩蒂特 :
随机舍入方差计算中非线性误差的界。 CoRR公司 abs/2304.05177 ( 2023 ) 2022 【b1】 巴勃罗·德·奥利维拉·卡斯特罗 :
高性能计算代码优化:调整性能和准确性。 法国巴黎萨克利大学, 2022 [第16条] El-Mehdi El Arar公司 , 德万·索希尔 , 巴勃罗·德·奥利维拉·卡斯特罗 , 埃里克·佩蒂特 :
数值算法中随机取整的积极影响。 ARITH公司 2022 : 58-65 [i6] El-Mehdi El Arar公司 , 德万·索希尔 , 巴勃罗·德·奥利维拉·卡斯特罗 , 埃里克·佩蒂特 :
数值算法中随机取整的积极影响。 CoRR公司 abs/2207.03837 ( 2022 ) [i5] El-Mehdi El Arar公司 , 德万·索希尔 , 巴勃罗·德·奥利维拉·卡斯特罗 , 埃里克·佩蒂特 :
随机舍入方差和概率界:一种新方法。 CoRR公司 abs/2207.10321 ( 2022 ) 2021 [j6] 埃默里克·布鲁恩 , 大卫·迪福 , 巴勃罗·德·奥利维拉·卡斯特罗 , 马泰·伊斯托安 , 大卫·曼库西 , 埃里克·佩蒂特 , 阿兰·瓦奎特 :
HPC代码自定义精度数学库的效果和益处研究。 IEEE传输。 Emerg.顶部。 计算。 9 ( 三 ) : 1467-1478 ( 2021 ) [j5] 德凡·索希尔 , 巴勃罗·德·奥利维拉·卡斯特罗 , 弗朗索瓦·费沃特 , 布鲁诺·拉图利埃 , 埃里克·佩蒂特 , 奥利维尔·贾蒙德 :
随机算术的置信区间。 ACM事务处理。 数学。 柔和。 47 ( 2 ) : 10:1-10:33 ( 2021 ) [第15条] 大卫·迪福 , 巴勃罗·德·奥利维拉·卡斯特罗 , 马泰·伊斯托安 , 埃里克·佩蒂特 :
使用BFloat16进行阴影计算,以估计求和的数值精度。 阿里斯 2021 : 33-36 [第14条] 埃默里克·布鲁恩 , 大卫·迪福 , 巴勃罗·德·奥利维拉·卡斯特罗 , 马泰·伊斯托安 , 大卫·曼库西 , 埃里克·佩蒂特 , 阿兰·瓦奎特 :
HPC代码自定义精度数学库的效果和益处研究。 ARITH公司 2021 : 62 2020 [j4] 格雷戈里·基尔 , 巴勃罗·德·奥利维拉·卡斯特罗 , 皮埃尔·里奥斯 , 埃里克·佩蒂特 , 肖恩·布朗 , 艾伦·C·埃文斯 , 特里斯坦·格拉塔德 :
比较用于评估神经成像管道稳定性的扰动模型。 国际期刊高性能计算。 申请。 34 ( 5 ) ( 2020 ) [第13条] 大卫·迪福 , 巴勃罗·德·奥利维拉·卡斯特罗 , 马泰·伊斯托安 , 埃里克·佩蒂特 :
用于代码分析和优化的自定义精度数学库探索。 ARITH公司 2020 : 121-124 [i4] 大卫·迪福 , 巴勃罗·德·奥利维拉·卡斯特罗 , 马泰·伊斯托安 , 埃里克·佩蒂特 :
用于代码分析和优化的自定义精度数学库探索。 CoRR公司 abs/2005.02732 ( 2020 )
2010 – 2019
2019 [第12条] 尤汉·查特兰 , 埃里克·佩蒂特 , 巴勃罗·德·奥利维拉·卡斯特罗 , 吉斯兰·拉提格 , 大卫·迪福 :
迭代方法中简化浮点表示的自动探索。 欧洲-保时捷 2019 : 481-494 [i3] 格雷戈里·基尔 , 巴勃罗·德·奥利维拉·卡斯特罗 , 皮埃尔·里奥斯 , 埃里克·佩蒂特 , 肖恩·布朗 , 艾伦·C·埃文斯 , 特里斯坦·格拉塔德 :
比较神经成像中评估后处理管道稳定性的扰动模型。 CoRR公司 abs/1908.10922 ( 2019 ) 2018 [第11条] 尤汉·查特兰 , 巴勃罗·德·奥利维拉·卡斯特罗 , 埃里克·佩蒂特 , 大卫·迪福 , 乔丹·比德 , 马克·托伦特 :
VeriTracer:用于浮点算术分析的上下文丰富的跟踪器。 ARITH公司 2018 : 61-68 [第10条] 克莱门·丰特纳(Clement Fontenaille) , 埃里克·佩蒂特 , 巴勃罗·德·奥利维拉·卡斯特罗 , Seijilo Uemura公司 , 德万·索希尔 , 彼得亚·莱斯尼基 , 吉斯兰·拉提格 , 文森特·穆罗 :
HPC分布式内存系统的可扩展工作稳定负载平衡器。 Euro-Par研讨会 2018 : 146-158 [i2] 德凡·索希尔 , 巴勃罗·德·奥利维拉·卡斯特罗 , 弗朗索瓦·费沃特 , 布鲁诺·拉图利埃 , 埃里克·佩蒂特 , 奥利维尔·贾蒙德 :
随机算术的置信区间。 CoRR公司 abs/1807.09655 ( 2018 ) 2017 [j3] 米哈伊尔·波波夫 , 查迪·阿克尔 , 尤汉·查特兰 , 威廉·贾尔比 , 巴勃罗·德·奥利维拉·卡斯特罗 :
CERE并行程序的分段整体自动调整。 同意。 计算。 实际。 支出。 29 ( 15 ) ( 2017 ) [电子1] 阿里·贾内萨里 , 巴勃罗·德·奥利维拉·卡斯特罗 , 佐藤由纪 , 蒂姆·马特森 :
第四届ACM SIGPLAN并行系统软件工程国际研讨会论文集, 飞溅时的SEPS 2017年10月23日,加拿大不列颠哥伦比亚省温哥华。 ACM公司 2017 ,国际标准图书编号 978-1-4503-5517-9 [目录] 2016 【c9】 克里斯托夫·丹尼斯 , 巴勃罗·德·奥利维拉·卡斯特罗 , 埃里克·佩蒂特 :
Verificarlo:通过蒙特卡罗算法检查浮点精度。 ARITH公司 2016 : 55-62 【c8】 米哈伊尔·波波夫 , 查迪·阿克尔 , 威廉·贾尔比 , 巴勃罗·德·奥利维拉·卡斯特罗 :
编译器和运行时参数的分段整体自动调整。 欧洲-保时捷 2016 : 238-250 2015 [注2] 巴勃罗·德·奥利维拉·卡斯特罗 , 查迪·阿克尔 , 埃里克·佩蒂特 , 米哈伊尔·波波夫 , 威廉·贾尔比 :
CERE:LLVM-Based Codelet Extractor和REplayer,用于分段基准测试和优化。 ACM事务处理。 阿基特。 代码优化。 12 ( 1 ) : 6:1-6:24 ( 2015 ) 【c7】 米哈伊尔·波波夫 , 查迪·阿克尔 , 弗洛伦特·孔蒂 , 威廉·贾尔比 , 巴勃罗·德·奥利维拉·卡斯特罗 :
PCERE:可扩展性预测的细粒度并行基准分解。 IPDPS公司 2015 : 1151-1160 [i1] 克里斯托弗·丹尼斯 , 巴勃罗·德·奥利维拉·卡斯特罗 , 埃里克·佩蒂特 :
Verificarlo:通过蒙特卡洛算法检查浮点精度。 CoRR公司 abs/1509.01347 ( 2015 ) 2014 【c6】 巴勃罗·德·奥利维拉·卡斯特罗 , 尤里·卡什尼科夫 , 查迪·阿克尔 , 米哈伊尔·波波夫 , 威廉·贾尔比 :
系统选择的细粒度基准子集。 CGO公司 2014 : 132 2013 [j1] 巴勃罗·德·奥利维拉·卡斯特罗 , 埃里克·佩蒂特 , 阿斯玛·法贾拉 , 威廉·贾尔比 :
用于应用程序内核性能表征的自适应采样。 同意。 计算。 实际。 支出。 25 ( 17 ) : 2345-2362 ( 2013 ) 【c5】 查迪·阿克尔 , 尤里·卡什尼科夫 , 巴勃罗·德·奥利维拉·卡斯特罗 , 威廉·贾尔比 :
源代码隔离是否适用于性能表征? ICPP公司 2013 : 977-984 【c4】 尤里·卡什尼科夫 , 巴勃罗·德·奥利维拉·卡斯特罗 , 埃马纽埃尔·奥塞雷特 , 威廉·贾尔比 :
通过静态循环分析评估体系结构和编译器设计。 高性能计算机系统 2013 : 535-544 2012 【c3】 巴勃罗·德·奥利维拉·卡斯特罗 , 埃里克·佩蒂特 , 让·克里斯托夫·贝勒 , 威廉·贾尔比 :
ASK:用于性能表征的自适应采样工具包。 欧洲-保时捷 2012 : 89-101 2010 [c2] 巴勃罗·德·奥利维拉·卡斯特罗 , 圣女路易丝 , 丹尼斯·巴托 :
用于流编程的多维数组切片DSL。 CISIS公司 2010 : 913-918 【c1】 巴勃罗·德·奥利维拉·卡斯特罗 , 圣女路易丝 , 丹尼斯·巴托 :
通过图转换减少流程序的内存需求。 高性能计算机系统 2010 : 171-180