Об особенностях использования архитектуры гетерогенного кластера для решения задач механики сплошных сред

Авторы

  • Д.А. Губайдуллин
  • А.И. Никифоров
  • Р.В. Садовников

Ключевые слова:

параллельные вычисления
графические процессоры
итерационные методы подпространств Крылова
метод контрольных объемов
фильтрация в пористых средах

Аннотация

Обсуждаются вопросы применения высокопроизводительных вычислительных систем, построенных на базе графических процессоров NVIDIA. Сравнивается несколько моделей параллелизма для применения в итерационных методах подпространств Крылова, предназначенных для решения больших разреженных систем линейных алгебраических уравнений, возникающих при численном решении широкого класса задач механики сплошных сред, описываемых дифференциальными уравнениями в частных производных. Вычисления построены на использовании таких технологий как MPI, OpenMP, Boost и CUDA. Предложенные методы протестированы на суперкомпьютере «ГрафИТ!/GraphIT!» НИВЦ МГУ им. М.В. Ломоносова на решении нестационарной задачи фильтрации жидкости к скважинам со сложной траекторией в трехмерной области.

Новые вычислительные технологии

Загрузки

Опубликован

2011-11-21

Выпуск

Том 12 (2011): Выпуск 4.

Раздел

Раздел 1. Вычислительные методы и приложения

Авторы

Д.А. Губайдуллин

Институт механики и машиностроения Казанского научного центра РАН
ул. Лобачевского, 2/31, 420111, Казань
• чл.-корр. РАН, директор

А.И. Никифоров

Институт механики и машиностроения Казанского научного центра РАН
ул. Лобачевского, 2/31, 420111, Казань
• заведующий лабораторией

Р.В. Садовников

Институт механики и машиностроения Казанского научного центра РАН
ул. Лобачевского, 2/31, 420111, Казань
• старший научный сотрудник

Библиографические ссылки

  1. Губайдуллин Д.А., Садовников Р.В., Никифоров А.И. Использование графических процессоров для решения разреженных СЛАУ итерационными методами подпространств Крылова с предобусловливанием на примере задач теории фильтрации // Вестн. Нижегородского ун-та им. Н.И. Лобачевского. Сер.: Информационные технологии. 2011. N 1. 205-212.
  2. Губайдуллин Д.А., Никифоров А.И., Садовников Р.В. Библиотека gpu_sparse для численного решения задач механики сплошных сред на гибридной вычислительной системе // Вестн. Нижегородского ун-та им. Н.И. Лобачевского. Сер.: Информационные технологии. 2011. N 2. 190-196.
  3. Губайдуллин Д.А., Никифоров А.И., Садовников Р.В. Библиотека шаблонов итерационных методов подпространств Крылова для численного решения задач механики сплошных сред на гибридной вычислительной системе // Вычислительные методы и программирование. 2010. 11, N 2. 171-179.
  4. NVIDIA Corporation. NVIDIA CUDA C. Programming Guide. May, 2011. Version 4.0.
  5. Hendrickson B., Leland R. The Chaco user’s guide. Version 1.0. Technical Report Sand93-2339. Sandia National Laboratories. Albuquerque, 1993.
  6. METIS: family of multilevel partitioning algorithms (http://glaros.dtc.umn.edu/gkhome/views/metis).
  7. Aztec: a massively parallel iterative solver library for solving sparse linear systems (http://www.cs.sandia.gov/CRF/aztec1.html).
  8. Губайдуллин Д.А., Садовников Р.В. Применение параллельных алгоритмов для решения задачи фильтрации жидкости в трещиновато-пористом пласте к скважинам со сложной траекторией // Вычислительные методы и программирование. 2007. 8, N 2. 95-102.
  9. OpenMP Architecture Review Board (http://www.openmp.org).
  10. Boost C++ Libraries (http://www.boost.org).
  11. Anderson J.A., Lorenz C.D., Travesset A. General purpose molecular dynamics simulations fully implemented on graphics processing units // J. of Computational Physics. 2008. 227, N 10. 5342-5359.
  12. Суперкомпьютер «ГрафИТ!’’ / «GraphIT!’’ на основе графических процессоров (http://gpu.parallel.ru/graphit.html).
  13. Баренблатт Г.И., Желтов Ю.П., Кочина И.М. Об основных представлениях теории фильтрации однородных жидкостей в трещиноватых породах // Прикл. матем. и механ. 1960. 123, N 3. 852-864.