发表机构
Lobachevsky State University of Nizhny Novgorod（下诺夫哥罗德国立大学）
机构由 AI 辅助整理，请以论文原文为准。AI 中文总结
本文提出层次化CSR（HCSR）稀疏格式，利用RVV 1.0内建函数实现SpMV向量化，在RISC-V板上平均加速1.6倍，并开源为RVVLASparse库。
AI 中文摘要
稀疏矩阵向量乘法（SpMV）算法是线性代数中的基本计算内核，并作为众多应用的基础构件，主要是用于科学和工程模拟中线性方程组求解的迭代求解器。本文比较了SpMV算法在八种成熟的稀疏矩阵存储格式下的向量化实现，并提出了一种新颖的CSR格式修改，即层次化CSR（HCSR），该格式提升了SpMV在RISC-V处理器上的性能。我们的SpMV实现利用RVV 1.0内建函数，并作为名为RVVLASparse的开源C++库公开提供。在SpacemiT K1和K3 RISC-V板上进行的计算实验表明，选择合适的矩阵存储格式平均可将SpMV计算加速1.6倍，而所提出的HCSR格式在广泛的稀疏矩阵类别中，在所有考虑的格式中实现了最短的执行时间。
英文摘要
The sparse matrix-vector multiplication (SpMV) algorithm is a fundamental computational kernel of linear algebra and serves as a building block for numerous applications, primarily iterative solvers for systems of linear equations used in scientific and engineering simulations. This paper compares vectorized implementations of the SpMV algorithm across eight established sparse matrix storage formats and proposes a novel modification of the CSR format, Hierarchical CSR (HCSR), which enhances SpMV performance on RISC-V processors. Our SpMV implementations utilize RVV 1.0 intrinsics and are publicly available as an open-source C++ library named RVVLASparse. Computational experiments conducted on SpacemiT K1 and K3 RISC-V boards demonstrate that selecting an appropriate matrix storage format accelerates SpMV computations by an average of 1.6x, while the proposed HCSR format achieves the shortest execution time among all considered formats across a broad class of sparse matrices.
