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