• 语料库ID:220280490

SParSH-AMG：混合CPU-GPU代数多重网格和预处理迭代方法库

@第{条Ganesan2020SParSHAMGAL，title={SParSH-AMG:混合CPU-GPU代数多重网格和预处理迭代方法的库}，author={Sashikumaar Ganesan和Manan Shah}，日志={ArXiv}，年份={2020年}，体积={abs/2007.00056}，url={https://api.semanticscholar.org/CorpusID:220280490}}
混合AMG框架可以调整为以显著更低的GPU内存运行，因此能够解决大型代数系统，并提供求解器堆栈来解决一大类问题。
[PDF]语义阅读器
2引文
方法引文
1

本文图表

询问这篇论文
贝塔
AI供电

我们的系统试图限制本文中找到的信息。结果质量可能有所不同。了解更多信息关于我们如何产生这些答案。

2引文

AmgX库在椭圆问题间断Galerkin方法中的应用

检查了在AmgX库的开源变体中实现的代数多重网格方法（AMG）的“开箱即用”性能，结果表明，AMG和Krylov-AMG方法的收敛性相对较差，需要对问题进行重新计算。

电子光学模拟器的代数多重网格方法研究

代数多重网格预处理共轭梯度法（AMGPCG）比以往的迭代方法效率更高，在EOS计算粒子运动轨迹时只需一次粗化。

19参考文献

AmgX:GPU加速代数多重网格和预处理迭代方法库

讨论了AmgX库的设计和实现，该库提供分布式代数多重网格（AMG）的插入式GPU加速和预处理迭代方法。

基于GPU的MIS聚合策略：AMG中的算法、比较和应用

基于最大独立集（MIS）的“自下而上”分区方案的GPU实现，结果表明，基于MIS的聚合方法提供的聚合比基于Metis的聚合方法所提供的聚合更容易通过度量进行评估。

基于GPU兼容加权匹配的AMG

计算机与数学及其应用——Gpu加速聚合代数多重网格法

针对椭圆偏微分方程离散化所产生的大型稀疏线性系统，提出了一种高效、稳健且完全基于GPU加速聚合的代数多重网格预处理技术。

代数多重网格综述

用于计算偏微分方程的面向对象并行有限元方案：设计与实现

提出的并行有限元算法和多重网格求解器在内部软件包ParMooN中实现，显示出很好的960个处理器的加速比，并且该求解器能够在大规模并行超级计算机上处理大规模问题。

代数多重网格法

在特定系统的计算机模拟中（例如物理、生物、经济），偏微分方程（PDE）主要通过应用有限元（FE）或有限元（Finite Element）进行数值求解…

并行AMG的松弛RS0或CLJP粗化策略

柔性BiCGStab的分析与实际应用

探讨了柔性BiCGStab在大规模反应流应用PFLOTRAN中的应用，结果表明，使用可变多重网格预处理程序可以显著加快使用O（10^4）–O（104）处理器内核的极值计算机上的模拟时间。

BootC匹配

提出了一个新的软件框架BootCMatch，它实现了构建和应用所描述的自适应AMG所需的所有组件，既可以作为独立的求解器，也可以作为Krylov方法中的预处理器。