สถานะของศิลปะในวิธีการ ODE แบบขนานคืออะไร


39

ฉันกำลังค้นหาวิธีการแบบขนานสำหรับการรวม ODE มีวรรณกรรมทั้งเก่าและใหม่มากมายที่อธิบายถึงแนวทางที่หลากหลาย แต่ฉันไม่พบบทความสำรวจหรือภาพรวมล่าสุดที่อธิบายหัวข้อโดยทั่วไป

มีหนังสือของ Burrage [1] แต่เกือบ 20 ปีแล้วดังนั้นจึงไม่ครอบคลุมความคิดที่ทันสมัยกว่าเช่นอัลกอริทึมการเปรียบเทียบ

[1] K. Burrage, วิธีขนานและลำดับสำหรับสมการเชิงอนุพันธ์สามัญ, Clarendon Press, Oxford, 1995

คำตอบ:


35

ฉันไม่ทราบบทความภาพรวมล่าสุด แต่ฉันมีส่วนร่วมอย่างแข็งขันในการพัฒนาอัลกอริทึม PFASST เพื่อให้สามารถแบ่งปันความคิดบางอย่าง

มีสามชั้นเรียนกว้าง ๆ ของเทคนิคขนานเวลาที่ฉันตระหนักถึง:

  • ข้ามวิธีการ - ระยะอิสระของ RK หรือการรวมตัวของการคาดการณ์สามารถประเมินได้แบบขนาน โปรดดู RIDC (อัลกอริทึมการแก้ไขใหม่รอการแก้ไขแบบรวม)
  • ข้ามปัญหา - การผ่อนคลายรูปคลื่น
  • ข้ามโดเมนเวลา - Parareal; PITA (อัลกอริธึมแบบขนานเวลา) และ PFASST (รูปแบบการประมาณเต็มขนานในอวกาศและเวลา)

วิธีที่ขนานกันในวิธีการมักจะทำงานใกล้เคียงกับสเป็คมาก แต่ไม่ได้ปรับขนาดเกินโปรเซสเซอร์ (เวลา) จำนวนหนึ่ง โดยทั่วไปแล้วพวกเขาจะใช้งานได้ง่ายกว่าวิธีอื่นและค่อนข้างดีถ้าคุณมีคอร์เพิ่มเติมสองสามตัวที่วางอยู่รอบ ๆ และกำลังมองหาการเพิ่มความเร็วที่คาดเดาได้และเรียบง่าย

วิธีการที่ขนานข้ามโดเมนเวลารวมถึง Parareal, PITA, PFASST วิธีการเหล่านี้ซ้ำทั้งหมดและประกอบด้วยการโฆษณาชวนเชื่อ "หยาบ" ที่ไม่แพงและมีราคาแพง (แต่แม่นยำ) ผู้เผยแพร่โฆษณาที่ "ดี" พวกเขาบรรลุประสิทธิภาพแบบขนานโดยการประเมินซ้ำตัวกระจายสัญญาณแบบขนานเพื่อปรับปรุงโซลูชันอนุกรมที่ได้รับโดยใช้ตัวกระจายสัญญาณแบบหยาบ

EE<1/KK

มีเกมจำนวนมากที่สามารถเล่นกับวิธีการเหล่านี้ทั้งหมดเพื่อลองและเร่งความเร็วและดูเหมือนว่าประสิทธิภาพของเทคนิคข้ามโดเมนเหล่านี้ขึ้นอยู่กับปัญหาที่คุณแก้ไขและสิ่งที่มีอยู่ในการเร่งความเร็วที่หยาบ propagator (กริด coarsened ผู้ประกอบการ coarsened ฟิสิกส์ coarsened ฯลฯ )

การอ้างอิงบางอย่าง (ดูการอ้างอิงที่แสดงในเอกสาร):

ฉันได้เขียนสองการใช้งานของ PFASST ที่มีอยู่บนสุทธิ: PyPFASSTและlibpfasst


1
ฉันกำลังเรียนรู้ parareal และฉันคิดว่ามันช่วยฉันได้มาก
eccstartup

นี่คือภาพรวมที่ดี อย่างไรก็ตามควรมีการกล่าวถึงอย่างชัดเจนว่า ODE มักจะได้รับการแก้ไขหลังจากการแยกเชิงพื้นที่ของ PDE ดังนั้นการขนานกันของวิธีการนี้สามารถสร้างความสามารถในการปรับขยายได้ถึงแกนหลักหลายพันถ้าโดเมนอวกาศของคุณมีขนาดใหญ่พอ นี่เป็นเพราะเวลาการคำนวณส่วนใหญ่เข้าสู่การคำนวณเช่นการประเมิน RK ระดับ RHS
NoseKnowsAll

15

แม้ว่าตอนนี้โพสต์นี้จะมีอายุสองปี แต่ในกรณีที่มีคนสะดุดฉันขออัปเดตสั้น ๆ ดังนี้

Martin Gander เพิ่งเขียนบทความวิจารณ์ที่ดีซึ่งให้มุมมองทางประวัติศาสตร์บนสนามและกล่าวถึงวิธีการ PINT ที่แตกต่างกันมากมาย: http://www.unige.ch/~gander/Preprints/50YearsTimeParallel.pdf

นอกจากนี้ยังมีเว็บไซต์ชุมชนที่แสดงรายการอ้างอิงจำนวนมากและให้คำอธิบายวิธีการต่าง ๆ : http://www.parallel-in-time.org/

การอภิปรายเกี่ยวกับอัลกอริทึม Parareal ขนานเวลาโดยเฉพาะอย่างยิ่งสามารถพบได้ที่นี่: https://en.wikipedia.org/wiki/Parareal


1
แปลกใจเล็กน้อยที่ Gander ไม่ได้พูดเกี่ยวกับแนวทางของ MGRIT โดย Falgout และคณะโดยเฉพาะอย่างยิ่งเนื่องจากดูเหมือนว่าจะได้รับการสนับสนุนจากซอฟต์แวร์ที่ดี (XBraid) แต่ฉันรู้ว่าเอกสารของ MGRIT เพิ่งออกมาเมื่อไม่นานมานี้
Geoff Oxberry

1
สวัสดี Geoff ฉันค่อนข้างแน่ใจว่า Martin Gander เขียนบทความก่อนที่จะตีพิมพ์เอกสาร MGRIT - ในขณะที่บทความรีวิวกำลังจะปรากฏในปี 2558 ฉันคิดว่างานพิมพ์ก่อนหน้านี้จะออนไลน์ในช่วงปลายปี 2556 แล้ว
แดเนียล

1
ในภาพรวมครั้งแรกดูเหมือนว่าจะมีการละเว้น "ขนานข้ามวิธี" ในการตรวจสอบนี้ - ตัวอย่างเช่นการคาดการณ์ไม่เคยถูกกล่าวถึง
David Ketcheson

4

ยู0ยู(เสื้อ)=ประสบการณ์(-λเสื้อ)ยู0, Rอีλ>0


ดังที่ฉันได้กล่าวไปแล้วฉันได้พบบทความจำนวนมากในแต่ละหัวข้อ สิ่งที่ฉันคิดถึงคือภาพรวมทั่วไปเกี่ยวกับแนวทาง
Florian Brucker

1
FWIW อัลกอริทึม PFASST แสดงการบรรจบกันที่ดีมาก (จะเผยแพร่ในไม่ช้า) สำหรับระบบมิลโตเนียนแม้กระทั่งตัวประมวลผลเวลาจำนวนมาก (หลายร้อย) ต้องบอกว่าการเพิ่มความเร็วที่น่าพึงพอใจนั้นขึ้นอยู่กับการทำให้ตัวกระจายสัญญาณแบบหยาบมีราคาถูกกว่าตัวขยายสัญญาณแบบปรับได้หลายตัว - การขยายตัวแบบหลายจุดหรือวิธีการแบบตัวคูณอื่น ๆ ดูเหมือนว่าจำเป็นต่อการเร่งความเร็วที่ดี
Matthew Emmett
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.