Benutzer: Gast  Login
Weniger Felder
Einfache Suche
Originaltitel:
A Decentral Framework with Dynamic Partitioning for Numerical Computations on Massively Parallel Systems
Übersetzter Titel:
Ein dezentrales Framework mit dynamischer Partitionierung für numerische Berechnungen auf massiv parallelen Systemen
Autor:
Ertl, Christoph Matthias
Jahr:
2022
Dokumenttyp:
Dissertation
Fakultät/School:
TUM School of Engineering and Design
Betreuer:
Rank, Ernst (Prof. Dr.)
Gutachter:
Rank, Ernst (Prof. Dr.); Bungartz, Hans-Joachim (Prof. Dr.); Mundani, Ralf-Peter (Priv.-Doz. Dr.)
Sprache:
en
Fachgebiet:
BAU Bauingenieurwesen, Vermessungswesen; TEC Technik, Ingenieurwissenschaften (allgemein)
Stichworte:
adaptive mesh refinement, dynamic partitioning, high-performance computing, parallel algorithms
Übersetzte Stichworte:
Adaptive Netzverfeinerung, dynamische Partitionierung, Höchstleistungsrechnen, parallele Algorithmen
TU-Systematik:
BAU 005; ARC 045
Kurzfassung:
This work addresses dynamic partitioning for numerical computations on modern high-performance computers. A simulation framework with a fully decentralized data structure is presented. This framework combines a diffusion approach to exchange workloads among neighboring processing elements with a spatial and hierarchical neighborhood description based on a space-tree domain decomposition. To demonstrate the suitability of the approach, several examples with adaptive mesh refinement are presented.
Übersetzte Kurzfassung:
Diese Arbeit befasst sich mit numerischen Berechnungen auf modernen Hochleistungsrechnern. Es wird ein Simulationscode mit einer dezentralen Datenstruktur vorgestellt, der zur dynamischen Partitionierung einen Diffusionsansatz zum Austausch von Arbeitslasten zwischen benachbarten Prozessoren mit einer räumlichen und hierarchischen Nachbarschaftsbeziehung verwendet. Um die Eignung des gewählten Ansatzes zu demonstrieren, werden verschiedene Beispiele mit adaptiver Netzverfeinerung vorgestellt.
WWW:
https://mediatum.ub.tum.de/?id=1662342
Eingereicht am:
29.06.2022
Mündliche Prüfung:
09.11.2022
Dateigröße:
11315383 bytes
Seiten:
210
Urn (Zitierfähige URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20221109-1662342-1-3
Letzte Änderung:
12.12.2022
 BibTeX