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。在本文中,我们讨论了代数加速和多重网格的实现。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。


zbMATH中的参考文献(参考文献12条,1标准件)

显示第1到第12个结果,共12个。
按年份排序(引用)

  1. 李瑞鹏;斯约格林,比约恩;Yang,Ulrike-Meier:一类基于矩阵乘法的AMG插值方法(2021)
  2. Becerra Sagredo,Julián-Tercero;马拉加,卡洛斯;Mandujano,Francisco:基于GPU的多层次边值问题算法(2020)
  3. Massimo Bernaschi,Pasqua D'Ambra,Dario Pasquini:BootCMatchG:GPU的自适应代数多重网格线性解算器(2020)不是zbMATH
  4. 通常,是伊斯特万州。;Mudalige,Gihan R.:计算流体力学应用的生产力、性能和可移植性(2020)
  5. 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
  6. 伯纳希,马西莫;卡罗佐,毛罗;弗朗切斯基尼,安德里亚;Janna,Carlo:图形处理单元上的动态模式因子稀疏近似逆预处理器(2019)
  7. 阿维金,谢尔盖N。;Gatsonis,Nikolaos A:用于大规模有界无碰撞等离子体模拟的非结构四面体网格上的平行静电粒子胞内方法(2018)
  8. 皮月庄;奥利维尔·梅斯纳尔;阿努什·克里希南;Lorena A.Barba:PetIBM:浸入式边界法在分布式存储体系结构上的工具箱和应用(2018)不是zbMATH
  9. 本杰明·加尼斯;辛格,古普雷特;Wheeler,Mary F.:多点通量混合有限元状态方程合成流模拟器的并行框架(2017)
  10. 高佳泉;吴克松;王玉顺;潘祺,潘祺;何桂霞:二维麦克斯韦方程组的GPU加速预处理GMRES方法(2017)
  11. 皮月庄;Lorena A.Barba:AmgXWrapper:PETSc和NVIDIA AmgX库之间的接口(2017)不是zbMATH
  12. 诺莫夫,M。;阿萨耶夫,M。;卡斯顿圭,P。;科恩,J。;德茅斯,J。;伊顿,J。;莱顿,S。;马科夫斯基,N。;通常,我。;萨哈尼克,N。;塞拉潘,V。;Strzodka,R.:AmgX:GPU加速代数多重网格和预处理迭代方法库(2015)