Предобуславливание разреженных матриц с помощью попеременных и мультипликативных операторных разложений

Preconditioning Sparse Matrices with Alternating and Multiplicative Operator Splittings
Christoph Klein, Robert Strzodka
2023-01-24

ADIGMRESпараллельная реализация на GPUILUчередующиеся разложениянеполные разреженные инверсиилинейные лесамультипликативный ансатцпредусловители с разбиением операторовтридиагональные разложения
Представлена алгебраическая структура для предобуславливающих схем на основе операторных разложений для общих разреженных матриц. Эта структура приводит к четырем различным подходам: двум на основе попеременных разложений и двум на основе мультипликативного анзаца. Анзац обобщает методы попеременного неявного направления (ADI) и неполного LU-разложения (ILU) на случай нескольких факторов и на более общую форму факторов. Факторы могут вычисляться напрямую из коэффициентов матрицы или адаптивно с помощью неполных разреженных инверсий. Особый случай тридиагональных разложений рассматривается детальнее: мы разлагаем граф смежности разреженной матрицы на несколько (почти) несвязных линейных лесов, где каждый линейный лес (объединение несвязных путей) задает тридиагональное разложение. Из этой конструкции получаются специализированные варианты четырех общих подходов. Для всех этапов реализованы параллельные реализации на GPU. Показана эффективность и производительность этих предобуславливателей в сочетании с GMRES на наборе матриц.
1
Представлена алгебраическая система для предварительных условий операторного разложения для общих разреженных матриц, приводящая к четырем подходам: двум альтернативным разложениям и двум мультипликативным анзацам.
2
Для трехдиагональных разложений граф смежности декомпозируется на несколько (почти) дизъюнктных линейных лесов, каждый из которых дает трехдиагональное разложение и специализированные варианты четырех подходов.
3
Предоставлены параллельные реализации всех этапов на GPU, что обеспечивает эффективное выполнение.
4
Мультипликативный анзац обобщает методы ADI и ILU на множественные множители и более общую форму факторов; факторы можно вычислять напрямую из коэффициентов матрицы или адаптивно через неполные разреженные инверсии.
5
Показана эффективность и производительность предложенных предобуславливателей в сочетании с GMRES на различных матрицах.

Общие разреженные матрицы (и их графы смежности, разложенные в линейные леса) для предварительного условия операторным разложением

Разработка и анализ препокоординаторов на основе операторных разложений (чередующиеся и мультипликативные разложения, включая триадиагональные частные случаи и адаптивные/неполные разреженные инверсии) и оценка их эффективности и производительности в сочетании с GMRES, включая параллельные реализации на GPU

Publication Details
Publication Date
2023-01-24
Journal
Publisher
ISSN
Cited by
0
Access Type
Author Information
Authors
Christoph Klein
Robert Strzodka
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat
Make a presentation
100%