New solvers and strategies based on mathematical analyses to enhance parallel performance on massive computers

点击翻译按钮获取中文摘要

多くのプロセッサを用いて計算可能なハードウエアが開発され，今日，ペタスケールの性能が実現されている．近年では，こういった大規模計算機の性能を十分に活かすことができるKrylov空間法の研究が活発に進められている．Krylov空間法のアルゴリズムは，行列ベクトル積，内積，ベクトル更新（ベクトル和とスカラー倍）から構成されている．１プロセッサを使用する場合の計算時間は，主に行列ベクトル積の演算であるが，大規模計算機環境における効率性のボトルネックは，内積演算で起こるプロセッサ間の通信に関するオーバーヘッドである．この問題点を克服するため，近年，大きく分類して３つのアイディアから成る解法群，すなわちcommunication avoiding Krylov空間法，pipelined Krylov空間法，さらにs-step Krylov空間法が開発されている．しかしながら，Krylov空間法は丸め誤差の影響を受け易く，しばしば収束スピードの悪化という問題が起きる．すなわち，大規模計算機環境を想定し，効率性のボトルネックとなる通信箇所を減らす修正を施したアルゴリズムを開発したとしても，その副作用として収束スピードの悪化など，デメリットが発生することがある．そこで，通信箇所を減らし，さらに従来と同程度の収束スピードを保つことができるような（丸め誤差が収束性に与える影響を考慮した）アルゴリズム，すなわち 新たなcommunication avoiding 積型解法（BiCGSTAB法，GPBiCG法，BiCGstab(ell)法），pipelined 積型解法，s-step 共役勾配法などを開発した．また，本年度はこれらのアルゴリズムについて推敲し，基本的な数値実験によって収束性を評価した．