umu.sePublikationer
Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Robust Parallel Eigenvector Computation for the Non-Symmetric Eigenvalue Problem
Umeå universitet, Teknisk-naturvetenskapliga fakulteten, Institutionen för datavetenskap.
Umeå universitet, Teknisk-naturvetenskapliga fakulteten, Institutionen för datavetenskap. Umeå universitet, Teknisk-naturvetenskapliga fakulteten, Högpresterande beräkningscentrum norr (HPC2N).ORCID-id: 0000-0002-9158-1941
Umeå universitet, Teknisk-naturvetenskapliga fakulteten, Institutionen för datavetenskap. Umeå universitet, Teknisk-naturvetenskapliga fakulteten, Högpresterande beräkningscentrum norr (HPC2N).ORCID-id: 0000-0002-4675-7434
2020 (Engelska)Rapport (Övrigt vetenskapligt)
Abstract [en]

A standard approach for computing eigenvectors of a non-symmetric matrix reduced to real Schurform relies on a variant of backward substitution. Backward substitution is prone to overflow. To avoid overflow, the LAPACK eigenvector routine DTREVC3 associates every eigenvector with a scaling factor and dynamically rescales an entire eigenvector during the backward substitution such that overflow cannot occur. When many eigenvectors are computed, DTREVC3 applies backward substitution successively for every eigenvector. This corresponds to level-2 BLAS operations and constitutes a bottleneck. This paper redesigns the backward substitution such that the entire computation is cast as tile operations (level-3 BLAS). By replacing LAPACK’s scaling factor with tile-local scaling factors, our solver decouples the tiles and sustains parallel scalability even when a lot of numerical scaling is necessary.

Ort, förlag, år, upplaga, sidor
Umeå universitet , 2020. , s. 25
Serie
Report / UMINF, ISSN 0348-0542 ; 20.02
Nationell ämneskategori
Datavetenskap (datalogi)
Forskningsämne
datalogi; matematik
Identifikatorer
URN: urn:nbn:se:umu:diva-168433OAI: oai:DiVA.org:umu-168433DiVA, id: diva2:1396196
Projekt
NLAFETTillgänglig från: 2020-02-25 Skapad: 2020-02-25 Senast uppdaterad: 2020-02-27Bibliografiskt granskad

Open Access i DiVA

fulltext(1086 kB)17 nedladdningar
Filinformation
Filnamn FULLTEXT01.pdfFilstorlek 1086 kBChecksumma SHA-512
2a63ed32e9d967d55fe5856901d16e3f5c347f736c85d8edabb109c82e36a85dfda0e7a3b1fce1a0e745ad7a9a22c711f73ca1dc6413c8f069ec6e3886c264ae
Typ fulltextMimetyp application/pdf

Övriga länkar

URL

Personposter BETA

Schwarz, Angelika BeatrixKjelgaard Mikkelsen, Carl ChristianKarlsson, Lars

Sök vidare i DiVA

Av författaren/redaktören
Schwarz, Angelika BeatrixKjelgaard Mikkelsen, Carl ChristianKarlsson, Lars
Av organisationen
Institutionen för datavetenskapHögpresterande beräkningscentrum norr (HPC2N)
Datavetenskap (datalogi)

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 17 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

urn-nbn

Altmetricpoäng

urn-nbn
Totalt: 64 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf