Nhu cầu ngày càng tăng trong việc giải quyết các bài toán lớn và phức tạp hơn trong khoa học và kỹ thuật tính toán là động lực chính thúc đẩy việc triển khai các hệ thống máy tính với khả năng hiệu suất ngày càng tiên tiến. Để tăng hiệu suất khả dụng, các nền tảng HPC hiện đại được trang bị nhiều cấp độ song song, hệ thống phân cấp bộ nhớ phức tạp, kiến ​​trúc không đồng nhất và quy mô cực lớn. Để đáp ứng nhu cầu về phần mềm bền vững và hiệu quả trong bối cảnh này, cần đặc biệt chú trọng đến những thách thức cố hữu như hiệu suất trên mọi quy mô và khả năng di động hiệu suất trên các kiến ​​trúc không đồng nhất. Nghiên cứu này tập trung vào việc phát triển phần mềm khoa học hiệu suất cao cho đại số tuyến tính thưa thớt, một lĩnh vực nghiên cứu quan trọng và tạo nền tảng cho nhiều ứng dụng của khoa học và kỹ thuật tính toán, đặc biệt tập trung vào các bộ giải trị riêng thưa thớt trên các siêu máy tính hiện tại và tương lai. Việc sử dụng các mô hình hiệu suất cũng như cái nhìn toàn diện về các ứng dụng, thuật toán và kiến ​​trúc phần cứng cho phép tạo ra các khối xây dựng tính toán cơ bản, các hạt nhân tính toán tùy chỉnh và các công thức thuật toán được tối ưu hóa với hiệu suất cao đã được chứng minh. Để chứng minh tính ứng dụng của các thành phần phần mềm đã phát triển, hiệu suất ứng dụng đầy đủ của các trình giải trị riêng thưa thớt được chọn cho các vấn đề thực tế trên một số siêu máy tính lớn nhất thế giới với kiến ​​trúc phần cứng hoàn toàn khác nhau - bao gồm cụm CPU đa lõi đồng nhất, cụm tăng tốc GPU và cụm CPU nhiều lõi tự lưu trữ - được trình bày.

Abstract:

The increasing demand for solving larger and more complex problems in computational science and engineering is a major driving factor to deploy computer systems with ever-advancing performance capabilities. To increase the available performance, modern HPC platforms come with multiple levels of parallelism, complex memory hierarchies, heterogeneous architectures, and extreme scales. To match the need for sustainable and efficient software under these premises, special value has to be attached to the inherent challenges like efficiency on all scales and performance portability across heterogeneous architectures. This work addresses the development of high-performance scientific software for sparse linear algebra, which is an important field of research and forms the foundation of many applications of computational science and engineering, with a special focus on sparse eigenvalue solvers on current and future supercomputers. Consequent employment of performance models as well as a holistic view on applications, algorithms, and hardware architectures enable the creation of basic computational building blocks, custom compute kernels, and optimized algorithmic formulations with provably high efficiency. To demonstrate the applicability of the developed software components, full-application performance of selected sparse eigenvalue solvers for real-world problems on some of the world‘s largest supercomputers with completely different hardware architectures – including homogeneous multi-core CPU clusters, GPU-accelerated clusters, and selfhosted many-core CPU clusters – is presented.

Ngôn ngữ:	eng
Tác giả:	Kreutzer, Moritz
Thông tin nhan đề:	Performance Engineering for Exascale-Enabled Sparse Linear Algebra Building Blocks
Nhà xuất bản:	FAU University Press
Loại hình:	Tài nguyên giáo dục mở / Bộ sưu tập: Công nghệ thông tin
Bản quyền:	https://creativecommons.org/licenses/by-nc-nd/4.0
Nguồn gốc:	https://library.oapen.org/handle/20.500.12657/105759
Mô tả vật lý:	213p.
Năm xuất bản:	2017