Locality Optimized Shared-Memory Implementations of Iterated Runge-Kutta Methods
Locality Optimized Shared-Memory Implementations of Iterated Runge-Kutta Methods
复制标题
迭代龙格库塔方法的局部优化共享内存实现
DOI：
--
复制
发表时间：
2007
期刊：
影响因子：
--
通讯作者：
T. Rauber
中科院分区：
文献类型：
--
作者：
Matthias Korch;T. Rauber
迭代龙格-库塔（IRK）方法是求解常微分方程初值问题的一类显式方法，在方法和常微分方程系统之间具有相当大的并行潜力。在本文中，我们考虑顺序和并行实现IRK方法的主要重点是局部性行为的优化。我们介绍了不同的实现变量的顺序和共享内存的计算机系统，并分析其运行时和高速缓存性能的两个现代超级计算机系统。
Iterated Runge-Kutta (IRK) methods are a class of explicit solution methods for initial value problems of ordinary differential equations (ODEs) which possess a considerable potential for parallelism across the method and the ODE system. In this paper, we consider the sequential and parallel implementation of IRK methods with the main focus on the optimization of the locality behavior. We introduce different implementation variants for sequential and shared-memory computer systems and analyze their runtime and cache performance on two modern supercomputer systems.