MGARD: A multigrid framework for high-performance, error-controlled data compression and refactoring
MGARD: A multigrid framework for high-performance, error-controlled data compression and refactoring
复制标题
MGARD：用于高性能、错误控制数据压缩和重构的多重网格框架
DOI：
10.1016/j.softx.2023.101590
复制
发表时间：
2023
期刊：
影响因子：
3.4
通讯作者：
Vidal, Nicolas
中科院分区：
文献类型：
--
作者：
Gong, Qian;Chen, Jieyang;Whitney, Ben;Liang, Xin;Reshniak, Viktor;Banerjee, Tania;Lee, Jaemoon;Rangarajan, Anand;Wan, Lipeng;Vidal, Nicolas
我们描述了MGARD，一个软件提供多网格自适应减少浮点科学数据的结构化和非结构化网格。凭借卓越的数据压缩能力和精确的错误控制，MGARD可满足各种需求，包括减少存储、高性能I/O和原位数据分析。它具有统一的应用程序编程接口（API），可在不同的计算架构中无缝运行。MGARD已通过高度调整的GPU内核和高效的内存和设备管理机制进行了优化，确保可扩展和快速操作。
We describe MGARD, a software providing MultiGrid Adaptive Reduction for floating-point scientific data on structured and unstructured grids. With exceptional data compression capability and precise error control, MGARD addresses a wide range of requirements, including storage reduction, high-performance I/O, and in-situ data analysis. It features a unified application programming interface (API) that seamlessly operates across diverse computing architectures. MGARD has been optimized with highly-tuned GPU kernels and efficient memory and device management mechanisms, ensuring scalable and rapid operations.
登录
查看更多内容
百万兆级计算项目
DOI：
10.1109/mcse.2017.57
发表时间：
2017
期刊：
Comput. Sci. Eng.
影响因子：
--
作者：
P. Maniotis;S. Gitzenis;L. Tassiulas;N. Pleros
通讯作者：
N. Pleros
保持对缩减的信任：保持有损压缩感兴趣数量的准确性
DOI：
10.1007/978-3-030-96498-6_2
发表时间：
2021
期刊：
SC14: International Conference for High Performance Computing, Networking, Storage and Analysis
影响因子：
--
作者：
Qian Gong;Xin Liang;Ben Whitney;J. Choi;Jieyang Chen;Lipeng Wan;S. Ethier;S. Ku;R. Churchill;Choong;M. Ainsworth;O. Tugluk;T. Munson;D. Pugmire;Rick Archibald;S. Klasky
通讯作者：
S. Klasky
自动调整的线性代数库的体系结构
DOI：
10.1016/j.parco.2003.11.002
发表时间：
2004
期刊：
Parallel Comput.
影响因子：
--
作者：
J. Cuenca;D. Giménez;José González
通讯作者：
José González
用于具有错误保证的超大规模科学数据压缩的算法和软件管道
DOI：
10.1109/hipc56025.2022.00039
发表时间：
2022
期刊：
2022 IEEE 29th International Conference on High Performance Computing, Data, and Analytics (HiPC)
影响因子：
--
作者：
Tania Banerjee;J. Choi;Jaemoon Lee;Qian Gong;Ruonan Wang;S. Klasky;A. Rangarajan;Sanjay Ranka
通讯作者：
Sanjay Ranka
cuSZ：一种基于 GPU 的高效科学数据误差有限有损压缩框架
DOI：
--
发表时间：
2020
期刊：
Proceedings of the ACM International Conference on Parallel Architectures and Compilation Techniques
影响因子：
--
作者：
Jiannan Tian, Sheng Di
通讯作者：
Jiannan Tian, Sheng Di