×
C.贝克尔。;别杰森，S。;图雷克，S。

FEAST：开发用于FEM应用的HPC技术。 （英语） Zbl 1391.76304号

Nagel，Wolfgang E.（编辑）等人，《科学与工程中的高性能计算》，2007年。《高性能计算中心学报》，斯图加特（HLRS），2007年）。2007年10月4日至5日，在德国斯图加特举行的第十届成果与审查研讨会上提交了论文。柏林：施普林格出版社（ISBN 978-3-540-74738-3/hbk）。503-516 (2008).
概述：现代处理器不仅通过增加时钟频率来实现性能加速，而且通过对处理器体系结构本身的基本更改和扩展来实现更大程度的性能加速。这些扩展要求应用程序开发人员采用编程技术来开发现有的性能潜力。否则，可能会出现这样的情况：处理器名义上会更快，但应用程序并没有运行得更快。
计算的一个限制因素是内存访问。CPU周期时间和主存储器访问时间之间的差异越来越大。从CPU空闲的角度来看，获取数据的成本很高。为了缩小较小的CPU周期时间与主存储器可能的访问时间之间的差距，在CPU和主存储器之间引入了一种快速访问临时存储器，即所谓的缓存。缓存的基本思想是按照引用局部性原则存储数据。如果在速度更快的缓存中找到后续请求的数据，而不必从速度较慢的主存储器中传输数据，则会减少延迟。如果数据具有足够的局部性，即前面访问的数据仍被缓存，那么对缓存的访问次数将超过那些降低主存储速度的访问次数。
这样可以显著提高吞吐量。只有当程序主要使用缓存中已有的数据时，使用任何自动访问样本访问主存储器的速度都不会更快。这需要对应用程序进行适当的调整。
关于整个系列，请参见[Zbl 1130.76008号].

MSC公司：

76M10个 有限元方法在流体力学问题中的应用
2005年5月 并行数值计算

软件：

美食
PDF格式BibTeX公司 XML格式引用
\textit{C.Becker}等人，《科学与工程中的高性能计算》，2007年。《高性能计算中心学报》，斯图加特（HLRS），2007年）。2007年10月4日至5日，在德国斯图加特举行的第十届结果和审查研讨会上提交了论文。柏林：斯普林格。503--516（2008；Zbl 1391.76304）
全文： 内政部

参考文献：

[1] Becker，Ch.：在FEAST（有限元分析和解决方案工具）中进行有限元模拟和实现的现代研究的高性能资源战略和方法。Logos Verlag，柏林，多特蒙德大学，论文，2007年7月
[2] C.C.道格拉斯；Haase，G；胡，J；卡尔·W·；科瓦希克，M；吕德，美国；Weiss，C.：PDE求解器的便携式内存层次技术：第一部分。In:SIAM News 33（2000），Nr.5，S.1，8-9
[3] 格罗普，W.D；Kaushik，D.K；Keyes，D.E；Smith，B.F.：高性能并行隐式CFD。In:并行计算27（2001），S.337-362·Zbl 0971.68191号 ·doi:10.1016/S0167-8191（00）00075-2
[4] Keyes，D.E.：基于偏微分方程的并行仿真性能增强的四个视界。In:Europar 2000并行处理Bd.1900，2000，S.1-17·doi:10.1007/3-540-44520-X_1
[5] Kilian，S.：Ein verallgemeinertes Gebietszerlegungs-/Mehrgitterkonzept auf Parallelrechnern。Logos Verlag，柏林，多特蒙德大学，论文，2001年9月·Zbl 1095.65110号
[6] Turek，S；贝克尔，Ch；Kilian，S.：软件包FEAST的一些概念。收件人：Palma，J.M.（Hrsg.）；Dongarra，J.J.（Hrsg.）；Hernandes，V.（Hrsg.）：VECPAR’98——第三届矢量和并行处理国际会议，第1573号，柏林斯普林格，1998年
[7] Turek，S；贝克尔，Ch；Kilian，S.：面向硬件的数字和PDE软件概念。In:Future Generation Computer Systems 22（2006），Nr.1-2，S.217-238·doi:10.1016/j.future.2003.09.007
[8] Turek，S；伦格，A；Becker，Ch.：FEAST指数——现代软件组件和处理器技术的现实评估。In:计算机和数学及其应用41（2001）·兹伯利0989.65051 ·doi:10.1016/S0898-1221（01）00108-0
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。