可扩展地计算度量量级
Scalably computing metric magnitude
首次发表
浏览论文内容
中文总结 AI 辅助
研究度量量级应用中扩展密集线性代数的方法，首选分层低秩求解器，在单个工作站可达10^5点规模，借助特定管道可扩展至更大规模。
中文摘要 AI 辅助
度量量级的应用通常依赖数值精确结果以利用与信息论的联系。我们研究了各种用于扩展相关密集线性代数的方法，并确定分层低秩求解器是首选方法。在单个强大工作站上可清晰扩展到10^5个点的规模，使用我们的容器化CUDA支持的C++/MPI管道可扩展到更大规模。
英文摘要
Applications of metric magnitude often rely on numerically exact results in order to exploit a connection with information theory. We examine various approaches for scaling the dense linear algebra involved and identify hierarchical low-rank solvers as a preferred approach, with a clear path to scales of $10^5$ points on a single powerful workstation, and larger scales using our containerized CUDA-enabled C++/MPI pipeline.
