zbMATH中的参考文献（引用于，1标准件)

1. 安德烈亚斯·阿尔韦曼；阿希姆·巴塞曼；本加茨，汉斯·约阿希姆；卡博诺，克里斯蒂安；恩斯特，多米尼克；费斯克，霍尔格；富塔姆拉，安苏诺里；加尔贡，马丁；哈格，乔治；胡贝尔，萨拉；哈克尔，托马斯；伊达，秋弘；伊玛库拉，阿基拉；川井，Masatoshi；Köcher，西蒙尼；克鲁泽，莫里茨；库斯·帕维尔；朗，布鲁诺；莱德勒，赫尔曼；马宁，瓦莱丽；马雷克，Andreas；Nakajima，Kengo；Nemec，Lydia；Reuter，Karsten；Ripple，Michael；Röhrig-Zöllner，Melven；Sakurai，Tetsuya；Scheffler，Matthias；Scheurer，Christoph；Shahzad，Faisal；Simoes Brambila，Danilo；Thies，Jonas；Wellein，Gerhard：在ELPA-AEO和ESSEX-II特征解算器项目中使用混合精度计算的好处（2019年）
2. Krasnopolsky，B.I.：在高性能计算系统上用系综平均模拟湍流流动的最佳策略（2018）
3. Pikle，Nileshchandra K.；Sathe，Shailesh R.；Vyavhare，Arvind Y.：基于GPGPU的并行计算在使用共轭梯度算法的有限元法中的应用：综述（2018）
4. Bauer，S.；Mohr，M.；Rüde，U.；Weismüller，J.；Wittmann，M.；Wohlmuth，B.：大规模并行高性能多网格代码中高效在线操作器装配的双尺度方法（2017）
5. Bernaschi，Massimo；Bisson，Mauro；Fantozzi，Carlo；Janna，Carlo:图形处理单元上的分解稀疏近似逆预处理共轭梯度解算器（2016）
6. 高佳泉；齐，潘潘；何桂霞：基于CSR的GPU稀疏矩阵向量乘法（2016）
7. 何桂霞；高佳全：基于CSR的gpu稀疏矩阵向量乘法（2016）
8. Rupp，Karl；Tillet，Philippe；Rudolf，Florian；Weinbub，Josef；Morhammer，Andreas；Grasser，Tibor；Jüngel，Ansgar；Selberherr，Siegfried：多核和多核架构的ViennaCL线性代数库（2016）
9. Mironowicz，P.；Dziekonski，A.；Mrozowski，M.：GPU上高效稀疏对称矩阵向量乘法的任务调度方法（2015）
10. Röhrig-Zöllner，Melven；Thies，Jonas；Kreutzer，Moritz；Alvermann，Andreas；Pieper，Andreas；Basermann，Achim；Hager，Georg；Wellein，Gerhard；Fehske，Holger:通过阻塞提高Jacobi-Davidson方法的性能（2015）
11. Kreutzer，Moritz；Hager，Georg；Wellein，Gerhard；Fehske，Holger；Bishop，Alan R.：一种统一的稀疏矩阵数据格式，用于在具有宽SIMD单元的现代处理器上高效的通用稀疏矩阵向量乘法（2014）