A domain decomposing parallel sparse linear system solver
Middle East Technical University(中东科技大学)
针对大规模稀疏线性系统求解,提出一种结合直接法与迭代法的并行混合求解器,在分布式内存架构上实现更好的可扩展性和鲁棒性。
2011-08-26 cs.MS cs.NA math.NA
An Adaptive Solver for Systems of Linear Equations
求解线性方程组的计算实现通常依赖于基于以列为主格式存储的稠密矩阵的LU分解的一刀切方法。这种求解器通常是在低级LAPACK软件中可用的xGESV函数集的帮助下实现的,目的是通过利用经过良好测试的例程来减少开发时间。然而,这种直接的方法没有考虑各种矩阵属性,可以利用这些属性来减少计算工作量和/或增加数值稳定性。此外,直接使用LAPACK函数对于非专家用户来说可能容易出错,并且导致源代码与原始数学表达式几乎没有相似之处。我们描述了一个自适应求解器,我们已经实现了最新版本的高级别Armadillo C++线性代数库。求解器自动检测给定系统的几个常见属性(带状,三角形,对称正定),然后通过映射到一组与每个属性最匹配的合适LAPACK函数来求解系统。求解器还可以检测条件较差的系统,并通过奇异值分解自动寻求解决方案。我们表明,自适应求解器导致显着的加速,同时也解放了用户使用繁琐的LAPACK函数的直接调用。
2020-09-01 cs.MS
An Integer Arithmetic-Based Sparse Linear Solver Using a GMRES Method and Iterative Refinement
在本文中,我们开发了一个(预处理)GMRES求解器的整数运算的基础上,并介绍了一个迭代精化框架的求解器。我们描述了基于整数或定点数的求解器的系数矩阵和向量的数据格式。为了避免计算中的溢出,我们在算术运算中引入了初始缩放和操作数的逻辑移位(调整)。针对GMRES算法的特点,提出了操作数移位的方法。数值试验表明,基于整数算法的求解器与迭代精化具有可比的求解器性能的收敛性的标准求解器的基础上浮点运算。此外,我们表明,预处理是很重要的,不仅可以提高收敛性,但也减少了溢出的风险。
2021-03-03 cs.MS cs.NA math.NA
Oasis: a high-level/high-performance open source Navier-Stokes solver
Oasis是一个高级/高性能有限元Navier-Stokes求解器,使用FeNiCS项目(fenicsproject.org)的构建块用Python从头开始编写。求解器是非结构化的,目标是大规模并行集群上复杂几何形状的大规模应用。Oasis利用MPI和接口,通过FEniCS,到线性代数后端PETSc。Oasis提倡通过创建高度灵活的Python模块来解决新问题,从而实现高级可编程的用户界面。通过高级Python界面,用户可以完全控制求解器的各个方面。求解器的一个版本,即对速度和压力都使用分段线性元素,显示出非常好地再现了Moser、Kim和Mansour在$Re_τ=180$ [Phys. Fluids,第11卷(4),第964页]上的经典、光谱、湍流通道模拟。计算速度主要由线性代数后端提供的迭代求解器控制,这可以说是使用PETSc的任何类似隐式求解器可能希望的最佳性能。高阶精度也被证明和新的求解器可以很容易地添加在同一框架内。
2016-02-11 cs.MS
A distributed-memory hierarchical solver for general sparse linear systems
本文提出了一种在分布式存储机上求解一般稀疏线性系的并行层次求解器。对于大规模的问题,这种全代数算法比稀疏直接求解器更快,更节省内存,因为它利用了填充块的低秩结构。根据低秩近似的准确性,分层求解器可以用作直接求解器或预处理器。并行算法基于数据分解,只需要在每个处理器上进行局部通信来更新边界数据。此外,并行算法的计算与通信比近似为每个处理器所拥有的子域的体积与表面积之比。我们提出了各种数值结果来证明并行算法的通用性和可扩展性。
2017-12-20 cs.MS cs.NA math.NA
JAX-AMG: A GPU-Accelerated Differentiable Sparse Linear Solver Library for JAX
Cornell University(康奈尔大学);University of Notre Dame(圣母大学)
提出JAX-AMG,通过封装Nvidia AmgX求解器套件,为JAX生态提供GPU加速的代数多重网格求解器,支持自动微分、分布式多GPU执行,适用于PDE约束优化和反问题。
2026-07-30 cs.MS physics.comp-ph
Solver composition across the PDE/linear algebra barrier
耦合偏微分方程(PDE)离散化的有效解是许多数值模拟的核心。显著的努力已经花费在可扩展的算法,以预处理Krylov迭代的线性系统的出现。除了少数例外,这种解决方案的策略的数值实现报告是特定于一个特定的模型设置,并密切联系的求解器策略的离散化和PDE,特别是当预处理需要辅助运营商。在本文中,我们提出了最近改进的Firedrake有限元库,允许直接开发的可扩展的,可组合的预处理器,解耦求解器的模型制定的积木。我们的实现扩展了PETSc库提供的线性求解器的代数可组合性,通过增加运算符,因此预处理器,能够提供任何必要的辅助运算符。而不是预先指定完整的求解器配置,绑定到模型,求解器可以独立于模型公式开发,并在运行时配置。我们用不可压缩流体和温度驱动对流的例子来说明。
2017-11-08 cs.MS cs.NA math.NA
Comparison of SeDuMi and SDPT3 Solvers for Stability of Continuous-time Linear System
本文比较了SeDuMi和SDPT3在连续时间线性系统稳定性问题中的计算性能,发现SDPT3在大规模高精度计算中表现更优。
2025-12-15 cs.MS cs.PF math.OC
Parallel Sparse and Data-Sparse Factorization-based Linear Solvers
Lawrence Berkeley National Laboratory(劳伦斯伯克利国家实验室)
针对大规模病态不定代数方程,综述了稀疏直接求解器在减少通信延迟和利用低秩压缩降低计算复杂度方面的最新进展,并讨论了现代异构并行机器上的并行化挑战与最佳实践。
2026-05-22 cs.DC cs.MS cs.NA
Multi-GPU aggregation-based AMG preconditioner for iterative linear solvers
本研究提出并开源了一种基于混合MPI-CUDA环境、依托BootCMatchG库AMG预处理器的多GPU Krylov型稀疏线性求解器,通过优化通信开销兼顾单GPU效率,求解性能较Nvidia AmgX最高提升2倍。
2023-03-04 cs.DC cs.MS
Accelerating linear solvers for Stokes problems with C++ metaprogramming
大型稀疏鞍点方程组的有效求解在计算流体力学中具有重要意义。间断Galerkin有限元法在不可压缩流动问题中的应用日益广泛,但由于计算量大,其应用受到限制。我们描述的C++编程技术,可能有助于加速线性求解器等问题。该方法是基于基于策略的设计模式和部分模板专门化,并在开源的AMGCL库实现。以加速Stokes问题的间断Galerkin有限元法迭代求解为例,证明了该方法的有效性。该实现允许通过调整模板参数来选择求解器的算法组件,而无需对代码库进行任何更改。可以切换系统矩阵以使用小的静态大小的块来存储非零值,或者使用混合精度解决方案,这导致高达4倍的加速,并且将算法的存储器占用减少约40%。我们评估单片和复合材料的预处理策略的3个基准问题。所提出的解决方案的性能进行了比较与多线程直接Pardiso求解器和并行迭代PETSc求解器。
2020-12-22 cs.DC cs.DS cs.MS
fenicsR13: A Tensorial Mixed Finite Element Solver for the Linear R13 Equations Using the FEniCS Computing Platform
我们提出了非平衡气体动力学线性化R13方程的混合有限元求解器。Python实现建立在FeNiCS计算平台提供的软件工具之上。我们描述了一种新的张量的方法,利用FEniCS的统一形式语言(UFL)的扩展功能,以定义所需的微分算子张量以上的二度。所提出的求解器作为一个例子,实现张量变分公式FEniCS,其中的文件和文献似乎是非常稀疏。使用UFL提供的软件抽象级别,可以在底层数学和结果源代码之间实现几乎一对一的对应。测试用例支持所提出的方法的正确性,使用精确解验证。为了证明扩展的气体流动模型的使用,我们讨论了涉及稀疏效应的典型应用案例。我们公开提供文档化和有效的解决方案。
2020-11-03 cs.CE cs.MS physics.flu-dyn
UGrid: An Efficient-And-Rigorous Neural Multigrid Solver for Linear PDEs
Stony Brook University (SUNY)(纽约州立大学石溪分校);Institute of Software, Chinese Academy of Sciences(中国科学院软件研究所);University of Chinese Academy of Sciences(中国科学院大学)
本文提出融合 U-Net 与多重网格的线性 PDE 神经求解器 UGrid,兼具收敛与正确性证明、高精度及跨几何和 PDE 形式的泛化能力,并以残差损失实现稳定无监督训练。
2024-08-09 cs.AI cs.LG cs.MS
Fast Block Linear System Solver Using Q-Learning Schduling for Unified Dynamic Power System Simulations
Giga Design Automation Co., Ltd(国微设计自动化有限公司);Electric Power Research Institute(电力科学研究院)
提出了一种电力系统统一动态仿真的快速块直接求解器。该求解器使用了一种新的基于Q学习的任务调度方法。电力系统统一动态仿真是将电力系统的机电暂态、中期和长期动态现象有机地统一起来的一种方法。由于这些方程组的阶数高、求解量大,快速求解是加快仿真速度的关键。稀疏仿真系统包含复杂的嵌套块结构,求解器可以利用这种嵌套块结构来加快求解速度。对于求解器中的块和前端的调度,我们在马尔可夫决策过程的框架中使用基于学习的任务树调度技术。也就是说,我们可以通过对许多样本矩阵进行离线训练来学习最优调度策略。然后,对于任何系统,求解器将在学习的模型上得到最优的任务分配和调度。我们的学习算法可以帮助提高稀疏求解器的性能,这已经在一些数值实验中得到验证。对一些大型电力系统的仿真表明,我们的求解器是2-6倍,比KLU,这是最先进的电路仿真问题的稀疏求解器。
2021-10-12 cs.LG cs.MS cs.NA
Low-Rank SPIKE Framework for Solving Large Sparse Linear Systems with Applications
针对大型稀疏线性系统求解问题,提出基于低秩SVD近似非对角块的LR-SPIKE变体框架,可作为黑箱预条件子或近似直接求解器,在SuiteSparse矩阵(含3D有限元矩阵)上验证了有效性,与FEAST配对显著减少迭代次数。
2025-04-15 cs.MS cs.NA math.NA