使用SYCL比较异构共轭梯度和Cholesky求解器在各种硬件上的性能
分布式、并行与集群计算
2026-05-14 v1 性能
摘要
许多重要的实际应用，如基于高斯过程的系统辨识，都涉及求解具有对称正定矩阵的线性方程组。迭代CG方法和基于Cholesky分解的直接求解器是两种常用的方法。由于常常需要处理大型系统，GPU通常用于加速计算。然而，仅利用系统中GPU的同质方法未能充分发挥现代HPC系统中常常强大的CPU的作用。在本工作中，我们提出了基于SYCL的CG方法和Cholesky分解的多厂商异构实现，同时利用异构系统中的CPU和GPU。进一步，我们将其运行时行为与传统同质方法进行比较。结果表明，对于大型矩阵，我们的异构实现在CG方法上快最高32%，在Cholesky分解上快最高29%，相当于相应的GPU-only实现。在此外，对于大型矩阵，我们的异构Cholesky分解实现可在来自NVIDIA、AMD和Intel的多个系统上实现至少12%更快的运行时间。
引用
@article{arxiv.2605.13209,
title = {Comparing the Performance of Heterogeneous Conjugate Gradient and Cholesky Solvers on Various Hardware Using SYCL},
author = {Tim Thüring and Alexander Strack and Dirk Pflüger},
journal= {arXiv preprint arXiv:2605.13209},
year = {2026}
}
备注
12 pages, to be published in International Workshop on OpenCL and SYCL (IWOCL '26)