Evaluation of sparse matrix encodings in iterative methods

Read full text Summarise with VIRAT
Authors: Jan Antón Villanueva
Cited by: 0

Summary

No summary yet. VIRAT can read this paper and write a plain-language summary of its aim, methods, key findings and limitations.

Summarise with VIRAT Free to try with your Science Catalogs account.

Abstract

Aquest treball avalua el rendiment de diferents formats de representació de matrius disperses aplicats al mètode del Gradient Conjugat (GC) en entorns de computació d'alt rendiment, tant en CPU com en GPU ,analitzant com l'organització de les dades i el disseny de les estructures internes afecten el comportament computacional de l'algorisme, especialment en l'operació SpMV. S'ha dut a terme una avaluació experimental utilitzant matrius reals de la col·lecció SuiteSparse, considerant els formats COO, CSR, MSR, LDU i LDUCSR, alguns dels quals no estan suportats de manera nativa per les principals llibreries HPC. Per a aquest propòsit, s'ha desenvolupat una infraestructura d'execució unificada que permet comparar de forma homogènia implementacions en CPU (MKL i kernels propis) i en GPU (cuSPARSE i CUDA). Els resultats mostren diferències significatives en temps d'execució, escalabilitat i comportament de memòria en funció del format de representació, posant de manifest que l'elecció del format és un factor crític en el rendiment dels mètodes iteratius d'àlgebra lineal en entorns HPC.

Fields of Study & Subjects

Matrix Theory and Algorithms Parallel Computing and Optimization Techniques Computer Graphics and Visualization Techniques

Publication details

Journal / source
UPCommons institutional repository (Universitat Politècnica de Catalunya)
Publication date
21 January 2026
Language
CA
Document type
Thesis