GPU上GMRES多精度策略的实验评估

由于更低的功耗、减少的数据移动以及提升的计算性能，对低精度计算的支持在加速器硬件中正变得愈发普遍。然而，计算科学与工程（CSE）问题在若干领域中需要双精度精度。硬件趋势与应用需求之间的这一冲突导致，若我们想在充分发挥硬件潜力的同时满足精度要求，就需要在线性代数算法层面采用多精度策略。在本文中，我们聚焦于预条件稀疏迭代线性求解器，这是若干CSE应用中的关键核。我们提出了一项关于在GPU上加速该核的多精度策略研究。我们寻求将多种精度纳入GMRES线性求解器的最佳方法；这些包括迭代精化与可并行预条件子。我们的工作提出了用于确定多精度GMRES何时有效以及为达成更优性能而选择多精度迭代精化求解器参数的策略。我们使用基于Trilinos库并采用Kokkos Kernels实现线性代数核性能可移植性的实现。性能结果展示了多精度方法的前景，并表明通过优化底层核可取得进一步的改进。