在PySPOD包中实现大规模并行谱本征正交分解
计算物理
2024-08-01 v2 分布式、并行与集群计算
数学软件
摘要
我们提出了谱本征正交分解（SPOD）技术的并行（分布式）版本。该并行 SPOD 算法在空间维度上分布数据集而保持时间维度不变。采用此方法是为了保留数据在时间上的非分布式快速傅里叶变换，从而避免相关瓶颈。该并行 SPOD 算法实现于 PySPOD（https://github.com/MathEXLab/PySPOD）库中，并使用标准的消息传递接口（MPI）库，通过 mpi4py（https://mpi4py.readthedocs.io/en/stable/）在 Python 中实现。我们提供了该并行包的广泛性能评估，包括强可扩展性与弱可扩展性分析。该开源库使得科学界关注的大型数据集分析成为可能。在此，我们展示了在流体动力学与地球物理中的应用，这些应用若无并行算法则极难（甚至不可能）实现。本工作为大数据准平稳数据的模态分析开辟了道路，有助于揭示新的未探索时空模式。
引用
@article{arxiv.2309.11808,
title = {Unlocking massively parallel spectral proper orthogonal decompositions in the PySPOD package},
author = {Marcin Rogowski and Brandon C. Y. Yeung and Oliver T. Schmidt and Romit Maulik and Lisandro Dalcin and Matteo Parsani and Gianmarco Mengaldo},
journal= {arXiv preprint arXiv:2309.11808},
year = {2024}
}