| دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
|
|
| عنوان فارسی مقاله: |
الگوریتم LSQR موازی قیاس پذیر برای حل سیستم خطی بزرگ برای مسائل توموگرافیک: یک مطالعه ی موردی در توموگرافی ارتعاشی |
| عنوان انگلیسی مقاله: |
A scalable parallel LSQR algorithm for solving large-scale linear system for tomographic problems: a case study in seismic tomography |
|
|
| مشخصات مقاله انگلیسی (PDF) | |
| سال انتشار | 2013 |
| تعداد صفحات مقاله انگلیسی | 10 صفحه با فرمت pdf |
| رشته های مرتبط با این مقاله | مهندسی کامپیوتر و ژئوفیزیک |
| گرایش های مرتبط با این مقاله | مهندسی الگوریتم ها و محاسبات، لرزه نگاری و زلزله شناسی |
| مجله | کنفرانس بین المللی علوم محاسباتی |
| دانشگاه | گروه علوم کامپیوتر، دانشگاه وایومینگ، ایالات متحده آمریکا |
| کلمات کلیدی | مسائل توموگرافیک، توموگرافی ارتعاشی، ارتعاش سنجی سازه ای، محاسبه ی علمی موازی، LSQR، ضرب بردار ماتریس، ارتباط قیاس پذیر، MPI |
| شناسه شاپا یا ISSN | ISSN 1877-0509 |
| رفرنس | دارد |
| لینک مقاله در سایت مرجع | لینک این مقاله در نشریه Elsevier |
| نشریه | الزویر – Elsevier |
| مشخصات و وضعیت ترجمه فارسی این مقاله (Word) | |
| تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش و فونت 14 B Nazanin | 17 صفحه |
| ترجمه عناوین تصاویر و جداول | ترجمه شده است |
| ترجمه متون داخل تصاویر | ترجمه نشده است |
| ترجمه متون داخل جداول | ترجمه نشده است |
| درج تصاویر در فایل ترجمه | درج شده است |
| درج جداول در فایل ترجمه | درج شده است |
| درج فرمولها و محاسبات در فایل ترجمه به صورت عکس | درج شده است |
- فهرست مطالب:
چکیده
1 مقدمه
2 تحقیقات مرتبط
3 مرور الگوریتم
4. ماتریس مرتب سازی مجدد
5 تجزیه داده
6 محاسبه موازی
7 ارتباط
8 ارزیابی عملکرد
8.1 تحلیل عملکرد
9 نتیجه گیری و کارهای آینده
- بخشی از ترجمه:
9 نتیجه گیری و کارهای آینده
LSQR یک روش عددی رایج برای حل سیستم های خطی پراکنده بزرگ در مسائل توموگرافیک است. ما الگوریتم SPLSQR را توصیف کردیم که از ویژگی های خاصِ ماتریس ضریب استفاده می کند که مولفه های تراکم کاذب و پراکنده می شود. ما نشان دادیم که الگوریتم SPLSQR حجم ارتباطی قیاس پذیر دارد و هزینه ی ارتباط را در مقایسه با الگوریتم های موجود به شدت پایین می آورد. ما همچنین نشان دادیم که بر روی یک مجموعه داده ی توموگرافی ارتعاشی کوچک، الگوریتم SPLSQR 9.9 برابر سریعتر از الگوریتم PETSc بر روی 2400 هسته از یک Cray XT5 می باشد. پیاده سازی کنونیِ الگوریتم SPLSQR بر روی 19200 هسته ی Cray Xt5 33 برابر سریعتر از پیکربندی PETSc بر روی مجموعه داده ی ANGF معتدل می باشد. در آینده، ما SPLSQR را بسط می دهیم تا رویکردهای برنامه نویسی موازی اضافی را استفاده کنیم مانند OpenMp یا CUDA.
- بخشی از مقاله انگلیسی:
9. Conclusions and Future Work
LSQR is a widely used numerical method to solve large sparse linear systems in tomographic problems. We describe the SPLSQR algorithm that utilizes particular characteristics of coefficient matrix that include both pseudo-dense and sparse components. We demonstrate that the SPLSQR algorithm has scalable communication volume and significantly reduces communication cost compared with existing algorithms. We also demonstrate that on a small seismic tomography dataset, the SPLSQR algorithm is 9.9 times faster than the PETSc algorithm on 2,400 cores of a Cray XT5. The current implementation of the SPLSQR algorithm on 19,200 cores of a Cray XT5 is 33 times faster than the fastest PETSc configuration on the modest ANGF dataset. In the future, we will extend SPLSQR to utilize additional parallel programming approaches, e.g., OpenMP or CUDA.
|
تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد |
|
|
| دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
|
|
| عنوان فارسی مقاله: |
الگوریتم LSQR موازی قیاس پذیر برای حل سیستم خطی بزرگ برای مسائل توموگرافیک: یک مطالعه ی موردی در توموگرافی ارتعاشی |
| عنوان انگلیسی مقاله: |
A scalable parallel LSQR algorithm for solving large-scale linear system for tomographic problems: a case study in seismic tomography |
|
|