A Parallel Boundary Element Method for the Electromagnetic Analysis of Large Structures With Lossy Conductors
在本文中，我们提出了一个有效的并行化策略的边界元法（BEM）求解器进行电磁分析的结构与有耗导体。建议的求解器加速与自适应积分方法，可以模拟均匀和多层背景介质，并支持通过集总端口或入射场的激励。与现有的并行边界元求解器，我们使用的配方，严格模拟趋肤效应，这导致在两个耦合的计算工作量。外部问题的工作量模型之间的电磁耦合的导电对象，而内部问题的工作量描述了它们内部的场分布。我们提出了一种并行化策略，将这两个工作负载均匀分布在数千个处理核心上。外部问题的工作量是平衡的方式与现有的并行求解器，采用近似模型的导电物体。然而，我们断言，内部问题的工作量应该平衡调度理论的算法。在集成电路和元表面中发现的三种不同的结构上测试了所提出的求解器的并行可扩展性。所提出的并行化策略有效地运行在分布式内存计算机上，具有数千个CPU核心，并优于现有方法的竞争策略。
2021-07-26 cs.DC
An Empirical Study and Analysis of the Dynamic Load Balancing Techniques Used in Parallel Computing Systems
并行计算机系统是一组处理单元的集合，这些处理单元通过通信和协作来有效地解决大型计算问题。为了实现这一目标，首先将大型计算问题划分为具有不同工作负载的多个任务，然后分配给不同的处理单元进行计算。工作负载的分配称为负载均衡。在各个处理元素之间适当地分配工作负载是非常重要的，因为不成比例的工作负载可能会消除并行化作业的性能优势。因此，并行系统上的负载均衡是一个关键的和具有挑战性的活动。负载均衡算法可以大致分为静态和动态两类。静态负载均衡算法在编译时将任务分配给处理元素，而动态算法在运行时间将任务绑定到处理元素。本文简要介绍了并行系统中常用的几种动态负载均衡技术，并给出了这些算法的性能比较分析结果。
2011-09-08 cs.DC
MPI+X: task-based parallelization and dynamic load balance of finite element assembly
求解偏微分方程的有限元程序的主要计算任务是代数系统组装和迭代求解。这项工作的重点是第一个任务，在混合MPI+X范例的上下文中。虽然我们将在有限元上下文中描述算法，但类似的策略可以直接应用于其他离散化方法，如有限体积法。矩阵组装由MPI分区的元素上的循环组成，以计算元素矩阵和右手边以及它们在每个MPI分区的本地系统中的组装。在MPI+X混合并行上下文中，X传统上由使用OpenMP的循环并行组成。在文献中已经提出了几种策略来实现这种循环并行性，如着色或子结构技术，以规避在将元素系统组装到本地系统时出现的竞争条件。第一种技术的主要缺点是由于空间局部性差而导致的IPC的降低。第二种技术避免了这个问题，但需要在实现中进行大量的更改，当需要处理多个元素循环时，这可能会很麻烦。我们提出了一种替代方案，基于任务并行的元素循环使用一些扩展的OpenMP编程模型。组件的任务化解决了上述两个问题。此外，动态负载平衡将使用DLB库，特别是在混合网格的存在下，其中不同元素的相对成本是不可能估计的先验有效。本文介绍了所提出的方法，它的实施和验证，通过大型计算力学问题的解决方案，高达16k核心。
2018-05-09 cs.DC cs.MS cs.PF
Computational performance of a parallelized high-order spectral and mortar element toolbox
本文介绍了一个基于MPI的高阶谱和砂浆单元法C++工具箱的综合性能评估。重点讨论了几个方面的性能评估，特别强调并行效率。分析了性能评估，并与启发式模型（所谓的Gamma模型）给出的预测进行了比较。一个量身定制的CFD计算基准的情况下，介绍和使用进行审查，强调商品集群的特殊利益。从这一系列广泛的分析和建模得出的结论，导致具体的建议，这种工具箱的开发和并行实施。
2007-09-07 cs.DC cs.PF
Perfectly load-balanced, optimal, stable, parallel merge
我们提出了一个简单的，工作最佳和同步免费的解决方案，稳定地合并在并行两个给定的，有序的数组的m和n个元素到一个有序的数组的m+n个元素。的主要贡献是一个新的，简单，快速和直接的算法，确定任何前缀的稳定合并的输出序列，准确的前缀的两个输入序列需要产生这个输出前缀。更确切地说，对于所得到的、但尚未构造的表示输出前缀的输出数组中的任何给定索引（秩），该算法计算表示所需输入前缀的两个输入数组中的每一个中的索引（共秩），而不必合并输入数组。时间复杂度为O（log min（m，n））。该算法被用来设计一个完美的负载平衡，稳定，并行合并算法，其中每个p个处理元素有完全相同数量的输入元素合并。与其他方法的并行合并问题相比，我们的算法是相当简单，可以更快的两倍。与以往的算法相比，解决共同排名问题，这里给出的算法是直接的，并保持稳定的存在重复的元素，在没有额外的空间或时间成本。当处理单元数量p不超过（m+n）/log min（m，n）时，并行合并算法具有最佳加速比。它易于在共享和分布式存储并行系统上实现。
2013-11-12 cs.DC
Parallel Direct Domain Decomposition Methods (D3M) for Finite Elements
提出了一种基于区域分解法（DDM）和有向无环图（DAG）调度的并行直接求解方法。计算被表示为一系列小任务，这些任务在DDM域或精简矩阵的密集矩阵块上操作。这些任务可以使用它们的DAG依赖关系和权重（取决于计算和通信成本的估计）进行静态调度以并行执行。与MUMPS 5.1.2在电学大问题上的性能比较表明，并行效率提高了20%，内存减少了30%，运行时间略快，同时保持了相同的精度。
2020-02-11 cs.CE cs.DC
Scalable Algorithms for Parallel Tree-based Adaptive Mesh Refinement with General Element Types
在这篇论文中，我们开发，讨论和实现算法的可扩展并行树为基础的自适应网格细化（AMR）使用空间填充曲线（SFC）。我们创建了一个AMR软件，它可以独立于所使用的元素类型（例如直线、三角形、四面体、四边形、六面体和棱柱）工作。除了详细的数学讨论外，这还需要实现为数值软件及其验证，以及在当前超级计算机上的可扩展性测试。对于三角形和四面体单元（单形）的红色细化（1：4在2D中，1：8在3D中），我们开发了一个新的SFC指标，四面体莫顿指数（TM指数）。它的构造类似于四边形/六面体的莫顿指数，因为它也是基于单形的某个顶点（锚节点）的坐标的按位交织。我们开发并演示了一个新的单纯SFC，并创建了一个快速和可扩展的基于树的AMR软件，提供了以前没有的灵活性和通用性。
2018-12-07 cs.DC
Parallel Space Saving on Multi and Many-Core Processors
给定$n$元素的数组$\mathcal{A}$和值$2 \leq k \leq n$，频繁项或$k$多数元素是在$\mathcal{A}$中出现多于$n/k$次数的元素。$k$多数问题需要找到所有$k$多数元素。在本文中，我们处理频繁项的并行共享内存算法，我们提出了一个共享内存版本的节省空间算法，我们研究其行为方面的准确性和性能在许多多核处理器，包括英特尔Phi加速器。我们还调查了一个混合MPI/OpenMP版本对一个纯MPI为基础的版本。通过大量的实验结果，我们证明了MPI/OpenMP并行版本的算法显着提高了性能的早期纯MPI版本的相同的算法。结果还证明，对于该算法，英特尔Phi加速器相对于至强八核处理器没有任何改进。
2017-01-11 cs.DC
Parallel Computing of Discrete Element Method on GPU
我们研究了GPU对DEM的适用性。NVIDIA的代码在计算时间上获得了优于CPU的性能。NVIDIA代码中的接触力模型对于实际应用来说过于简单。我们修改这个模型，用实际模型代替它。仿真结果表明，该模型在CPU上的计算速度比实际模型快6倍，在GPU上的计算速度比简单模型慢7倍。并对结果进行了分析。
2013-01-08 cs.CE cs.DC
A Parallel Solution to Finding Nodal Neighbors in Generic Meshes
在本文中，我们专门提出了一个并行解决方案，以寻找一个环的相邻节点和元素的每个顶点在一般网格。节点邻居的发现是计算简单，但昂贵的大型网格。为了提高效率，采用了并行性，利用现代图形处理器（GPU）。所提出的并行解决方案在很大程度上依赖于并行排序，扫描和约简，并可以应用于确定相邻节点和元素。为了评估性能，将并行解决方案与相应的串行解决方案进行比较。实验结果表明：我们的并行解决方案相对于相应的串行解决方案可以分别实现大约55和90的加速比，用于找到相邻节点和元素。我们的并行解决方案是有效的，易于实现，但需要分配大的设备内存。
2016-05-05 cs.CG cs.DC
Simplified, stable parallel merging
本文提出了一个观察，大大简化了以前的并行，双向合并算法的基础上二分搜索和顺序合并并行。首先，它表明，在以前的算法中发现的区别元素的额外的合并步骤是不必要的，从而简化了实现和减少常数因子。第二，通过固定对二分查找的要求，合并算法变得稳定，只要顺序合并子例程是稳定的。稳定的并行归并算法可以很容易地用来实现稳定的并行归并排序。对于具有$n$和$m$元素$m\leq n$的有序序列，简化合并算法在使用$p$处理元素的$O(n/p+\log n)$操作中运行。它可以在EREW PRAM上实现，但由于它只需要一个同步步骤，因此它也可以在其他并行共享内存计算机上实现。
2012-06-29 cs.DC cs.DS
scda: A Minimal, Serial-Equivalent Format for Parallel I/O
本文提出面向文件的 scda 并行 I/O 格式，通过与分区无关且串行等价的结构支持并行读写，并提供可选逐元素压缩与 libsc 参考实现。
2023-07-13 cs.DC cs.MS
Parallel tree algorithms for AMR and non-standard data access
我们介绍了几种并行算法上的分布式森林的自适应四叉树/八叉树。它们的目标是大规模的应用程序，依赖于数据布局比标准有限元所需的更复杂，如hp自适应Galerkin方法，粒子跟踪和半拉格朗日计划，以及原位后处理和可视化。具体来说，我们设计的算法，以获得一个适应的工人森林的基础上稀疏的数据，以确定所有者进程在一个自上而下的搜索远程对象，并允许可变的进程计数和每个元素的数据大小在分区和并行文件I/O。我们证明了算法的可用性和性能的粒子跟踪的例子，我们规模为21 e9粒子和64 Ki MPI进程的Juqueen超级计算机的上下文中，我们描述了一个并行组装的大小的球体在空间中创建高达768 e9元素的Juwels超级计算机上的建设。
2019-06-18 cs.DC
Enhancing the scalability and load balancing of the parallel selected inversion algorithm via tree-based asynchronous communication
我们开发了一种方法，用于在大规模并行分布式存储器机器上提高最近开发的并行选择反演算法[Jacquelin，Lin和Yang 2014]（名为PSelInv）的并行可扩展性。在PSelInv方法中，我们计算稀疏矩阵A的逆的选定元素，该稀疏矩阵A可以分解为A = LU，其中L是下三角形，U是上三角形。更新A-1的这些所选元素需要在由L和U的块循环分布创建的每个列或行通信组内的处理器子集之间进行受限的集体通信。我们描述了这种类型的限制集体通信可以通过使用异步点对点MPI通信功能结合基于二叉树的数据传播方案来实现。由于并行选择反演算法中可能同时发生多个受限的集体通信，因此需要使用启发式算法来防止参与多个集体通信的处理器接收到过多的消息。这种启发式算法使我们能够减少通信负载不平衡，提高所选反演算法的整体可扩展性。例如，当使用6，400个处理器时，我们观察到测试矩阵的加速超过5倍。它还减轻了由非均匀网络拓扑引入的性能变化。
2015-04-18 cs.DC cs.MS
A scalable parallel finite element framework for growing geometries. Application to metal additive manufacturing
这项工作介绍了一种创新的并行，全分布式有限元框架，用于生长几何形状及其在金属增材制造中的应用。众所周知，增材制造中的虚拟零件设计和鉴定需要高精度的多尺度和多物理场分析。只有高性能计算工具才能在与上市时间兼容的时间范围内处理这种复杂性。然而，在不损失准确性的情况下，效率很少在数字界占据中心地位。在这里，相反，框架的目的是充分利用高端分布式内存机器的资源。它基于三个构建块：（1）基于八叉树的网格的分层自适应网格细化;（2）模拟几何增长的并行策略;（3）最先进的并行迭代线性求解器。计算实验考虑了粉末床技术在印刷过程中的局部传热分析。在对3D基准进行验证后，强扩展分析评估性能并确定并行开销的主要来源。第三数值示例检查了在弯曲的3D形状中的（2）的效率和鲁棒性。在这项工作中实现了前所未有的并行性和可扩展性。因此，该框架有助于承担更高的复杂性和/或准确性，不仅是金属或聚合物增材制造的部分规模模拟，而且还包括焊接、沉积、动脉粥样硬化或感兴趣的物理域随时间增长的任何其他物理问题。
2019-03-27 cs.CE cs.DC
Two parallel dynamic lexicographic algorithms for factorization sets in numerical semigroups
本文针对数值半群中因式分解集的计算，结合动态、并行与字典序特性提出两种改进算法，并提供了带有运行时间测量的CUDA参考实现。
2024-07-30 cs.DC math.AC math.CO
On the Evolution of Time Horizons in Parallel and Grid Simulations
分析了并行离散事件模拟中局部模拟时间的演化规律。引入的新成分是：i）我们将LST与节点相关联，而不与处理元件相关联，以及2）我们提出通过在处理元件之间的边界上冻结LST一段时间的处理，然后通过处理元件之间的宽流存储器交换释放它们，来最小化不同处理元件之间的信息交换。我们的方法的亮点是：i）它保持了最高水平的处理器时间利用率在算法的演变，ii）它需要一个合理的时间存储器交换排除处理器之间的消息交换的耗时和复杂的过程，和iii）处理器之间的通信是解耦的处理器上执行的计算。我们的算法的有效性随着节点（或线程）的数量而增长。该算法适用于任何具有短程相互作用的并行模拟，包括偏微分方程的并行或网格模拟。
2004-01-14 cond-mat.stat-mech cs.DC
Efficient N-to-M Checkpointing Algorithm for Finite Element Simulations
Imperial College London（帝国理工学院）；ETH Zurich（苏黎世联邦理工学院）；VSB-TU Ostrava（俄斯特拉发科技大学）；University at Buffalo（布法罗大学）；NVIDIA Corporation（英伟达公司）
本研究提出了一种高效的N到M检查点算法，用于有限元模拟，通过灵活的并行进程配置提升保存和加载效率，并在ARCHER2上验证了其处理大规模数据的能力。
2024-10-30 cs.DC cs.MS
Merge Path - A Visually Intuitive Approach to Parallel Merging
合并两个已排序数组是排序和其他函数的重要构建块。其高效的并行化要求在计算核心之间平衡负载，最大限度地减少并行化带来的额外工作，并最大限度地减少线程间同步要求。有效使用内存也很重要。我们提出了一种新颖的、视觉上直观的方法，将两个输入排序数组划分为成对的连续元素序列，每个数组一个，使得1）每对包括任何所需的元素总数，以及2）每对的元素在输出合并排序数组中形成连续序列。虽然所得到的分区和计算复杂性类似于某些以前的算法，我们的方法是不同的，非常直观，并提供了有趣的见解。在此基础上，我们提出了一个无同步，高速缓存效率的合并（和排序）算法。虽然我们使用共享内存架构作为基础，我们的算法很容易适应其他架构。事实上，我们的方法甚至与高速缓存高效顺序排序有关。算法，以及重要的高速缓存相关的见解。
2014-06-20 cs.DC
Parallel multiple selection by regular sampling
本文提出了一种求解拥挤团模型中多重选择问题的确定性并行算法。在这个问题中，对于给定的一组元素S和一组秩$K = \{k_1 , k_2 , ..., k_r \}$，我们要求对于$1 \leq i \leq r$的$S$的第$k_i$个最小元素。该算法是确定性的、时间最优的，需要$O(\log^*_{r+1} (n))$通信轮，其中$n$是输入集的大小，$r$是秩集的大小.该算法可能具有理论意义，因为对于$r = 1$（经典选择问题），它给出了比以前的$O(\log \log p)$通信轮解决方案（其中$p$是团的大小）在渐进同步成本方面的改进。
2016-11-18 cs.DC
A Fast and Generic GPU-Based Parallel Reduction Implementation
归约运算广泛应用于许多计算问题中。约简包括，给定一个有限的数值元素集，将该集合中的所有元素组合成单个值，为此使用组合器函数。并行归约又是当多个执行单元可用时并发执行的归约操作。目前的工作报告的调查就这个问题，并描绘了一个基于GPU的并行方法为it.Employing技术，如循环展开，持久线程和代数表达式，以避免线程发散，所提出的方法是能够实现2.8倍的加速时相比，卡坦扎罗的工作，使用一个通用的，简单的，易于移植的代码。实验结果表明，该策略在AMD和NVidia的硬件环境下，以及OpenCL和CUDA环境下都能有效地执行。
2017-10-19 cs.DC
Parallelization of the multi-level hp-adaptive finite cell method
Technische Universität München（慕尼黑工业大学）；Institute for Advanced Study, Technische Universität München（慕尼黑工业大学高等研究院）
本文提出了一种适用于多级 hp 方案的并行策略，通过将计算域划分到进程上，并利用共享的网格数据结构，实现了良好的并行性能，避免了冗余的 ghost 元素计算。
2018-07-03 cs.DC cs.NA math.NA
Method for determining the acceleration of a parallel specialised computer system based on Amdahl's law
本研究修正了适配处理器单元增量场景的阿姆达尔定律，推导关联并行与并行专用系统加速比的系数k并证明其恒大于1，整合出并行专用系统最大理论加速比测算方法，且在多种经典算法上完成验证。
2024-01-30 cs.AR cs.DC
Distributed Semi-Speculative Parallel Anisotropic Mesh Adaptation
Center for Real-time Computing, Old Dominion University（实时计算中心，老道明大学）
本文提出一种分布式内存方法，通过分离网格生成与性能，实现高效各向异性网格自适应，生成高质量网格并保持性能优势。
2026-02-16 cs.DC
A Primal-Dual Parallel Approximation Technique Applied to Weighted Set and Vertex Cover
本文描述了最小权顶点覆盖问题及其对偶（边/元填充）的一个简单的确定性并行/分布式（2+ n）-近似算法。
2002-05-18 cs.DC cs.DS
Distributed-Memory Forest-of-Octrees Raycasting
我们提出了一个MPI并行算法的计算数据，是建立在一个分布式的线性森林八叉树数据结构的原位可视化。这种八叉树经常用于基于元素的数值模拟;它们存储当前并行分区中局部的树的叶子。我们分三个阶段进行。首先，我们通过并行的自顶向下遍历删除所有其限界框不可见的元素，并重新划分剩余的元素以实现负载平衡。其次，我们将每个元素与通过其盒子的每条光线相交，以获得光线段的颜色和不透明度值。为了减少数据，我们在粗化和重新分区的循环中以严格分布的方式将片段聚集到八叉树上。第三，我们将所有剩余的光线片段合成为图像的平铺分区，并使用并行I/O将其写入磁盘。该方法的可扩展性来自三个概念：通过利用空间填充曲线编码的八叉树，并依靠最近开发的树算法自上而下的分区遍历，我们能够确定发送器/接收器对没有握手和/或集体通信。此外，通过将树叶的线性遍历与沿每个段的衰减/发射ODE的组作用相结合，我们避免了元素的前后排序。最后，该方法是问题自适应方面的细化和划分的元素和ODE积分的精度。
2018-09-05 cs.DC cs.GR
Stream-K: Work-centric Parallel Decomposition for Dense Matrix-Matrix Multiplication on the GPU
我们介绍Stream-K，一个以工作为中心的矩阵乘法（GEMM）和稠密线性代数中相关计算的并行化。而当代的分解主要是基于瓦片的，我们的方法通过在物理处理元件之间划分均匀份额的聚合内部循环迭代来操作。这提供了计算资源的近乎完美的利用，而不管任何给定问题的输出平铺跨底层处理元素量化的效率如何。在GPU处理器上，我们对GEMM的Stream-K并行化可产生高达14 $\times$和6.7 $\times$的峰值加速比，以及在32，824个GEMM问题几何中比最先进的数学库（如CUTLASS和cuBLAS）更高且更一致的平均性能响应。此外，我们从每个浮点精度的单个瓦片大小配置中实现了这种性能，而今天的数学库采用复杂的内核选择算法来从大量的内核变体中进行选择。
2023-01-09 cs.DC cs.DS
Parallelization of a Dynamic Monte Carlo Algorithm: a Partially Rejection-Free Conservative Approach
我们的实验与大规模并行实现的算法模拟动力学伊辛模型的亚稳态衰变的动力学。并行计划是直接适用于广泛的随机元胞自动机的离散事件（更新）的泊松到达。对于高性能，我们利用连续时间，异步并行版本的n倍的方式拒绝免费的算法。每个处理元件进行旋转的lxl块，并且我们采用Cray T3E分布式存储器并行架构上的快速SHMEM库例程。不同的处理元件具有不同的局部模拟时间。为了确保因果关系，算法以保守的方式处理因果关系。尽管相对较低的利用率和平均时间增量和自旋块的大小之间的复杂关系，我们发现，足够大的l算法优于其相应的并行大都会（非拒绝免费）对应。作为一个应用实例，我们提出了亚稳态衰减模型铁磁或铁电薄膜，观察到的面积小于总系统的探针的结果。
1998-12-21 cond-mat.mtrl-sci cond-mat.stat-mech cs.DC
Temporal Parallelization of Inference in Hidden Markov Models
本文提出了隐马尔可夫模型（HMRM）的并行推理算法。特别是，我们提出了并行向后-向前型滤波和平滑算法以及并行维特比型最大后验概率（MAP）算法。我们定义关联元素和运营商提出这些推理问题的并行前缀和计算的总和产品和最大产品的算法和并行化，使用并行扫描算法。所提出的算法的优点是，它们是计算效率的HMM推理问题与长时间的视野。我们经验比较所提出的方法的性能，经典的方法在一个高度并行的图形处理单元（GPU）。
2021-09-04 cs.DC stat.ML
Parallel simulation and adaptive mesh refinement for 3D elastostatic contact mechanics problems between deformable bodies
CEA（法国原子能和替代能源委员会）；Aix-Marseille Université, CNRS, Centrale Marseille（艾克斯-马赛大学，法国国家科学研究中心，马赛中央理工学院）
本文提出了一种并行自适应网格细化方法，用于高效求解变形体之间的弹性静力学接触问题，通过节点配对与超参数化元素技术提升计算效率与精度。
2025-11-25 cs.DC cs.NA math.NA
Stochastic Optimized Schwarz Methods for the Gravity Equations on Graphics Processing Unit
三维重力场模拟一般采用低阶、顺序或非大规模并行有限元。为了获得非均匀介质中更好的重力异常解，本文在多CPU/GPU混合机群上采用大规模并行高阶有限元求解重力测量问题。并行算法非常适合这种混合架构的设计。一个新的基于随机的优化程序优化Schwarz方法在这里提出，实现和调整到图形卡处理器单元。在一个真实的测试用例上进行的数值实验表明，该方法及其在大规模多CPU/GPU架构上的实现具有鲁棒性和高效性。
2021-12-07 cs.DC cs.NA math.NA
