一种计算Fiedler向量的高效并行算法
A Highly Efficient Parallel Algorithm for Computing the Fiedler Vector
AI总结:
本文提出了一种计算Fiedler向量的高效并行算法,旨在提高大规模图拉普拉斯矩阵特征分解的计算效率。
摘要:
本文已被作者撤回。
英文摘要:
This paper has been withdrawn by the author.
机构、总结、中文摘要均由AI分析而来,可能存在错误,请以论文正文为准。
A Highly Efficient Parallel Algorithm for Computing the Fiedler Vector
Murat Manguoglu
本文提出了一种计算Fiedler向量的高效并行算法,旨在提高大规模图拉普拉斯矩阵特征分解的计算效率。
本文已被作者撤回。
This paper has been withdrawn by the author.
机构、总结、中文摘要均由AI分析而来,可能存在错误,请以论文正文为准。
继续探索
A Cascadic Multigrid Algorithm for Computing the Fiedler Vector of Graph Laplacians
本文提出一种级联多重网格算法,用于高效计算图拉普拉斯算子的菲德勒向量,该向量在图划分和图绘制中有广泛应用。算法基于边缘粗化和点平滑方法,理论分析显示其在椭圆特征值问题中的统一收敛性,数值实验验证了算法的高效性和最优性。
Polynomial Preconditioned GMRES to Reduce Communication in Parallel Computing
使用GMRES最小剩余多项式的多项式预处理具有极大地降低正交化成本的潜力,使其对于通信减少是有用的。我们在Trilinos的Belos包中实现多项式预处理,并展示了它如何在串行和并行实现中有效。我们进一步表明,这是一个通信避免技术,是一个可行的选择CA-GMRES的大规模并行计算。
Multiword Arithmetic and Parallel Computing
针对硬件精度不足问题,采用多字算术(多倍双精度或多整数)并利用并行计算补偿开销,通过寄存器存储和GPU加速提升效率,相关代码以PHCpack软件公开。
Generalizing Parallel Replica Dynamics: Trajectory Fragments, Asynchronous Computing, and PDMPs
本文提出了一种轨迹片段框架,用于设计和证明并行复制算法在通用马尔可夫过程中的一致性,并引入了一种新的条件保证异步算法的一致性,从而提出新的同步和异步并行复制算法用于分段确定性马尔可夫过程。
Using the VBARMS method in parallel computing
本文改进了基于MPI的VBARMS并行实现,用于求解一般非对称线性系统。通过自动检测精确或近似密集结构,提升可靠性与吞吐量。提出一种新型图压缩算法,仅需一个简单参数即可找到近似密集块结构。
Reconstruction of Independent Sub-domains for a class of Hamilton Jacobi Equations and its Application to Parallel Computing
本文提出独立子域的概念并构建隐式表示公式,用于并行计算中哈密顿-雅可比方程解的近似。
Parallel algorithms for computing the tensor-train decomposition
张量序列(TT)分解以用于分子模拟、高阶相关函数和优化的数据稀疏格式表达张量。在本文中,我们提出了四种可并行化的算法,从各种张量输入计算TT格式:(1)用于传统格式的Tucel-TTSVD,(2)用于流数据的PSTT及其变体,(3)用于Tucker格式的Tucker 2 TT,以及(4)用于Sylvester张量方程解的TT-fADI。我们提供理论保证的准确性,并行化方法,缩放分析和数值结果。例如,对于$\mathbb{R}^{n\times\dots\times n}$中的$d$ -维张量,双侧草图绘制算法PSTT 2被示出为具有$\mathcal{O}(n^{\lfloor d/2 \rfloor})$的存储器复杂度,改进了来自先前算法的$\mathcal{O}(n^{d-1})$。
Manycore parallel computing for a hybridizable discontinuous Galerkin nested multigrid method
提出了一种可杂交间断Galerkin(HDG)嵌套几何多重网格(GMG)求解器的并行计算策略。并行GMG求解器需要粗粒度和细粒度并行的组合,以提高求解时间性能。在这项工作中,我们专注于细粒度并行。我们使用英特尔第二代至强融核(Knights Landing)众核处理器。GMG方法实现了理想的收敛速度为$0.2$或更少,高多项式阶。一个矩阵自由(汇编自由)的技术被利用,以节省大量的内存使用和增加运算强度。HDG实现了静态凝聚,并且由于离散化的不连续性,我们开发了一个矩阵向量乘法例程,不需要任何昂贵的同步或障碍。对于高阶多项式,我们的算法可以达到80%的峰值带宽性能.由于HDG方法中固有的数据局部性,这是可能的。高阶格式由于具有良好的运算强度而实现了非常高的性能,但随着阶数的降低,运算强度下降。
Computing Feedback Laws for Linear Systems with a Parallel Pieri Homotopy
本文研究了Pieri同伦的并行化,用于计算线性系统的所有反馈律,通过将偏序集映射到树上来分配工作负载,并发现该方法非常适合并行计算。
The parallel replica method for computing equilibrium averages of Markov chains
本文提出一种并行复制方法,用于计算具有 metastability 特性的马尔可夫链的平衡平均,通过并行处理器更高效地探索状态空间子集,通过数值模拟和理想化环境证明方法一致性。
A highly parallel algorithm for computing the action of a matrix exponential on a vector based on a multilevel Monte Carlo method
提出了一种计算矩阵指数在向量上作用量的新算法。该算法是基于多级蒙特卡罗方法,和向量的解决方案计算概率生成合适的随机路径,通过矩阵的指数,根据一个合适的概率定律演变。计算复杂性在本文中被证明是显着优于经典的蒙特卡罗方法,它允许计算更精确的解决方案。此外,在实践中,利用该算法在并行性方面的积极特点,开发出一个高度可扩展的实现,能够非常有效地解决一些测试问题,使用高性能超级计算机配备了大量的核心。对于共享内存架构的特定情况下,该算法的性能进行了比较,使用现有的Krylov为基础的算法,优于后者在所有的基准测试分析到目前为止。
Distributed Machine Learning for Computational Engineering using MPI
我们提出了一个训练神经网络,耦合偏微分方程(PDE)在并行计算环境中的框架。与大多数深度神经网络的分布式计算框架不同,我们的重点是在向前和伴随计算中并行化数值求解器和深度神经网络。我们的并行计算模型将数据通信视为数值模拟计算图中的一个节点。我们的模型的优点是,数据通信和计算是干净的分离,从而提供更好的灵活性,模块化和可测试性。我们使用各种大规模问题证明,我们可以通过使用PDE的并行求解器来训练与PDE耦合的深度神经网络,从而实现大幅加速。
扫码添加微信好友,提出您的宝贵建议 👇
💡 备注请填写:网站反馈
发表机构由 AI 从论文文本抽取,如发现错误,欢迎反馈修正建议。