AmgX公司

AmgX：GPU加速代数多重网格和预处理迭代方法库。大型稀疏线性系统的求解在计算流体力学、油藏模拟等领域有着广泛的应用。在现实的情况下，矩阵往往是如此之大，以至于需要大规模的分布式并行计算来在合理的时间内得到感兴趣的解。本文讨论了AmgX库的设计与实现，该库提供了分布式代数多重网格（AMG）的GPU加速和预处理迭代方法。AmgX库使用不同的选择器和插值策略实现了经典的和基于聚集的AMG方法，以及各种平滑器和预处理器，包括块Jacobi、Gauss-Seidel和不完全LU分解。该库包含许多标准且灵活的预处理Krylov子空间迭代方法，这些方法可以与任何可用的多重网格方法或更简单的预处理程序组合。聚合方案中的并行性利用并行图匹配技术，而平滑器和预处理器通常依赖于并行图着色算法。在AmgX库中实现的AMG算法在单个GPU上实现了$2-5 imes$的加速比，而在CPU上的实现则具有竞争力。如数值实验部分所示，设置和求解阶段都可以很好地跨越多个节点，保持这种性能优势。

此软件的关键字

这里的任何内容都将在支持canvas元素的浏览器上被替换

zbMATH中的参考文献（参考，1标准件)

显示第1到第10个结果，共10个。
按年份排序(引用)

  1. Becerra Sagredo，Julián-Tercero；Málaga，Carlos；Mandujano，Francisco:基于GPU的多层次边值问题算法（2020）
  2. Reguly，István Z.；Mudalige，Gihan R.：计算流体力学应用的生产力、性能和可移植性（2020年）
  3. Sashikumar Ganesan，Manan Shah:SParSH AMG:混合CPU-GPU代数多重网格和预处理迭代方法库（2020）阿尔十四
  4. Bernaschi，Massimo；Carrozzo，Mauro；Franceschini，Andrea；Janna，Carlo:图形处理单元上的动态模式分解稀疏近似逆预处理器（2019）
  5. 无结构等离子体网格；Nikolakin-2018大型无结构粒子碰撞网格模拟
  6. Pi Yueh Chuang；Olivier Mesnard；Anush Krishnan；Lorena A.Barba:PetIBM:分布式内存体系结构浸入式边界方法的工具箱和应用（2018）不是zbMATH
  7. Ganis，Benjamin；Singh，Gurperet；Wheeler，Mary F.：多点通量混合有限元状态方程组合流模拟器的并行框架（2017）
  8. 高佳全；吴克松；王玉顺；齐，潘攀；何桂霞：二维麦克斯韦方程组的GPU加速预处理GMRES方法（2017）
  9. Pi Yueh Chuang；Lorena A.Barba:AmgX包装器：PETSc与NVIDIA AmgX库之间的接口（2017）不是zbMATH
  10. Naumov，M.；Arsaev，M.；Castonguay，P.；Cohen，J.；Demouth，J.；Eaton，J.；Layton，S.；Markovskiy，N.；Reguly，I.；Sakharnykh，N.；Sellapan，V.；Strzodka，R.：AmgX：GPU加速代数多重网格和预处理迭代方法库（2015）