Hypre

Hypre se doelwit van die Scalable Lineêre Solvers projek is om skaalbare algoritmes en sagteware te ontwikkel vir die oplossing van groot, yl lineêre stelsels vergelykings op parallel rekenaars.
Die primêre sagteware produk is hypre, 'n biblioteek van hoë werkverrigting preconditioners wat parallel multi rooster metodes vir beide gestruktureerde en ongestruktureerde rooster probleme beskik.
Die probleme van belange ontstaan ​​in die simulasie kodes ontwikkel op LLNL en elders om fisiese verskynsels te bestudeer in die verdediging, die omgewing, energie, en biologiese wetenskappe.
Hoewel parallelle verwerking is nodig vir die numeriese oplossing van hierdie probleme, alleen is dit nie genoeg nie. Scalable numeriese algoritmes word ook vereis. Deur "skaalbare" ons in die algemeen beteken die vermoë om bykomende computational hulpbronne effektief te gebruik om al groter probleme op te los. Baie faktore dra by tot scalability, insluitend die argitektuur van die parallel rekenaar en die parallel implementering van die algoritme. Dit is egter 'n belangrike kwessie dikwels misgekyk: die scalability van die algoritme self. Hier scalability is 'n beskrywing van hoe die totale computational werk vereistes groei met probleem grootte, wat onafhanklik van die rekenaar platform bespreek kan word.
Baie van die algoritmes wat gebruik is in vandag se simulasie kodes is gebaseer op gister se onbestygbare tegnologie. Dit beteken dat die werk wat nodig is om al groter probleme op te los groei baie vinniger as lineêr (die optimale tempo). Die gebruik van skaalbare algoritmes kan simulasie keer verlaag deur verskeie ordes, dus 'n twee-dag-run vermindering op 'n MPP tot 30 minute. Verder is die kodes wat hierdie tegnologie gebruik slegs beperk deur die grootte van die geheue van die masjien, want hulle is in staat om effektief te ontgin bykomende rekenaar hulpbronne om groot probleme op te los.
Scalable algoritmes staat stel om die aansoek wetenskaplike beide inhou en beantwoord nuwe vrae. Byvoorbeeld, as 'n gegewe simulasie (met 'n spesifieke resolusie) neem 'n paar dae om te hardloop, en 'n verfynde (dws, meer akkuraat) model sou veel langer neem, die aansoek wetenskaplike kan die groter, hoër getrouheid simulasie af te sien. Hy of sy kan ook gedwing word om die omvang van 'n parameter studie vernou omdat elke lopie te lank neem. Deur die vermindering van die uitvoering van tyd, 'n haalbare algoritme laat die wetenskaplike om meer simulasies te doen by 'n hoër resolusies

Wat is nuut in hierdie release:.

• Hierdie weergawe voeg 'n hulp-ruimte Divergence Solver (ADS), 'n onnodige grof-rooster op te los opsie om BoomerAM, en 'n Euclid preconditioner opsie om die Fortran koppelvlakke vir die ParCSR Krylov solvers.
• Dit strek die AMS en ADS oplossers te ondersteun (arbitrêre) hoë-orde H (krul) en H (div) diskretisasie metodes.
• Dit updates en verfyn sommige van die voorbeelde.
• Daar is verskillende soorte bugfixes.