数学 > 数值分析
[提交于 2020年12月1日
(v1)
,最后修订 2021年7月15日 (此版本, v2)]
标题: 一种灵活的稀疏矩阵数据格式及并行算法,用于使用原子同步原语在一般有限元应用中组装稀疏矩阵
标题: A flexible sparse matrix data format and parallel algorithms for the assembly of sparse matrices in general finite element applications using atomic synchronisation primitives
摘要: 有限元方法需要从局部有限元贡献中组合全局刚度矩阵。 组合过程结合了单元刚度矩阵的计算及其组装到全局刚度矩阵中,这通常是稀疏的。 在本文中,我们关注全局刚度矩阵的组装过程,并使用C++在共享内存系统上探索不同的算法及其效率。 我们研究的一个关键方面是使用原子同步原语来推导无数据竞争的算法和数据结构。 此外,我们提出了一种用于稀疏矩阵的新灵活存储格式,并通过基于有限元问题常见特征的抽象基准测试,将其性能与压缩行存储格式进行了比较。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.