Within the field of molecular dynamics, force and distance calculations are computationally heavy and the main cause of a long run-time. To decrease this run-time, there are several neighborhood-based particle search algorithms and parallelization strategies. The library AutoPas addresses this challenge and uses auto-tuning to dynamically choose the best strategy during run-time. The parallelization strategies are implemented in so-called traversals. Those are based on containers which originated from neighborhood-based particle search algorithms. To choose the best option, all traversals have to be tested by linearly scanning all options. In order to optimize this search, one would need to know which parameters are influencing the outcome of searching the currently optimal traversal. The present thesis analyzes the traversals regarding their behavior depending on different factors. Those factors are a high number of particles, a large domain size, different densities, as well as in-homogeneous and homogeneous scenarios. The scenarios were tested on a Coffee Lake platform and a Haswell platform. Both platforms were also compared. For a high density, an increasing number of particles leads to the traversals sorting by container, which leads to the assumption that for those scenarios the particle search algorithm is more important than the parallelization strategy. Overall, a high number of particles favored a Verlet Lists approach, while scenarios with a large domain size performed best for Verlet Cluster Lists based traversals. In general, an increasing standard deviation of the homogeneity showed an increasing run-time. This is especially disadvantageous for traversals whose parallelization is sliced-based.     «

Within the field of molecular dynamics, force and distance calculations are computationally heavy and the main cause of a long run-time. To decrease this run-time, there are several neighborhood-based particle search algorithms and parallelization strategies. The library AutoPas addresses this challenge and uses auto-tuning to dynamically choose the best strategy during run-time. The parallelization strategies are implemented in so-called traversals. Those are based on containers which originate...     »

Im Feld der Molekulardynamik sind Kraft- und Distanzberechnungen sehr rechenintensiv. Sie sind damit die Hauptursache für eine lange Laufzeit. Um diese Laufzeit zu verkürzen, gibt es mehrere nachbarschaftsbasierte Partikel-Suchalgorithmen und Parallelisierungsstrategien. Die Library AutoPas adressiert dieses Problem. Mit Hilfe von Auto-Tuning wird während der Laufzeit dynamisch die beste Strategie ausgewählt. Die dort angewandten Parallelisierungsstrategien werden als sogenannte Traversal implementiert. Diese basieren auf Containern, welche auf Grundlage der nachbarschaftsbasierten Partikel-Suchalgorithmen aufbauen. Um die zum aktuellen Zeitpunkt beste Option zu wählen, müssen alle Traversel getestet werden. Dazu werden alle erwägbaren Optionen linear durchsucht. Um diese Suche zu optimieren, bedarf es der Information, welche Parameter für das Ergebnis der Suche nach dem aktuell optimalen Traversals, entscheidend sind. In der vorliegenden Arbeit werden die Traversal hinsichtlich ihres Verhaltens, in Abhängigkeit von verschiedenen Faktoren analysiert. Diese Faktoren sind eine hohe Anzahl von Partikeln, die Domänengröße, unterschiedliche Dichten, sowie die Homogeniät eines Szenarios. Die Szenarien wurden auf einer Coffee Lake-Plattform und einer Haswell-Plattform getestet. Beide Plattformen wurden zudem miteinander verglichen. Für eine hohe Dichte führt eine zunehmende Anzahl von Partikeln zu einer Sortierung der Traversen nach Containern. Dies führt zu der Annahme, dass für diese Szenarien der Partikel-Suchalgorithmus relevanter ist, als die Parallelisierungsstrategie. Insgesamt ist der Verlet Lists Algorithmus für eine hohe Anzahl an Partikeln zu bevorzugen. Währenddessen schneiden auf Verlet Cluster Listen basierende Traversal für Szenarien mit einer großen Domänengröße am besten ab. Im Allgemeinen bewirkte eine zunehmende Standardabweichung der Homogenität eine wachsende Laufzeit. Besonders davon betroffen, waren Traversal, deren Parallelisierungsstrategie sliced-basiert ist.     «

Im Feld der Molekulardynamik sind Kraft- und Distanzberechnungen sehr rechenintensiv. Sie sind damit die Hauptursache für eine lange Laufzeit. Um diese Laufzeit zu verkürzen, gibt es mehrere nachbarschaftsbasierte Partikel-Suchalgorithmen und Parallelisierungsstrategien. Die Library AutoPas adressiert dieses Problem. Mit Hilfe von Auto-Tuning wird während der Laufzeit dynamisch die beste Strategie ausgewählt. Die dort angewandten Parallelisierungsstrategien werden als sogenannte Traversal implem...     »