EigenKernel——一种用于并行广义特征值求解器以实现高可扩展性与易用性的中间件
计算物理
2018-12-20 v2 材料科学
数值分析
摘要
我们开发了一个开源中间件 EigenKernel，用于配合并行广义特征值求解器或大规模电子态计算，以实现高可扩展性与易用性。该中间件使用户能够根据问题规格和目标架构，从 ScaLAPACK、ELPA、EigenExa 三个并行特征值库及其构成的混合求解器中选择最优求解器。在 Oakforest-PACS 超级计算机上进行的基准测试表明，与纯 ScaLAPACK 求解器相比，ELPA、EigenExa 及其混合求解器表现出更好的性能。同时也使用了 K 计算机上的基准测试进行讨论。此外，对性能预测进行了初步研究，以预测 elapsed time T 作为所用节点数 P 的函数（T=T(P)）。该预测基于使用马尔可夫链蒙特卡罗（MCMC）方法的贝叶斯推断，测试计算表明该方法不仅适用于性能内插，也适用于外推。此类中间件对于当前、下一代（exascale）和未来一代（后摩尔时代）超级计算机中的应用-算法-架构协同设计至关重要。
引用
@article{arxiv.1806.00741,
title = {EigenKernel - A middleware for parallel generalized eigenvalue solvers to attain high scalability and usability},
author = {Kazuyuki Tanaka and Hiroto Imachi and Tomoya Fukumoto and Akiyoshi Kuwata and Yuki Harada and Takeshi Fukaya and Yusaku Yamamoto and Takeo Hoshi},
journal= {arXiv preprint arXiv:1806.00741},
year = {2018}
}
备注
25 pages, 8 figures