##稀疏矩阵向量乘法与 MPI 并行
###Design 使用 MPI 并行化稀疏矩阵向量乘法：
在步骤 1 中使用一维行分解读取文件并将数据分发到所有处理器，这需要 O(n) 然后 O(nnz) 其中 n 是行数，nnz 是矩阵。 矩阵 A 数据以 CSR 格式读入和存储，其中包括三个数组：行指针、非零的列索引和矩阵值。 步骤 1 还涉及使用 MPI Bcast 将数据分发到 p 个处理器。
每个进程准备使用 prepareRemoteVec 函数获取它需要的非本地 Vector 元素。 在这里，它遍历矩阵的本地列索引并检查所需的远程向量条目是什么，然后调整本地向量数据数组 (vSize + numRemoteVec) 的大小，以在数组末尾保存来自其他处理器的这些附加远程向量条目。 最后，我们需要重新索引本地列索引数组（之前指向全局向量数据索引）。 我们遍历本地列索引数组，并让它们指
2021-09-07 11:14:39
10KB
1
在流行的加法器体系结构中，最快的加法器体系结构之一。 加法器是将二进制数字加在一起的数字逻辑设备。 它们通常用作算术逻辑单元的组件，而算术逻辑单元本身就是中央处理单元的组件。 结果，任何具有微控制器或CPU的电子设备，例如智能恒温器，数字闹钟，数字手表和数字浴室秤等，都使用加法器电路。 在这项工作中，我们提出了一种8位混合进位选择加法器架构。 它采用了使用Kogge石头加法器结构，Brent Kung加法器结构，Han Carlson加法器结构和Ladner Fischer加法器结构的并行前缀加法。 它还使用Binary to Excess 1代码转换器以及并行前缀加法器。 使用Verilog代码完成建议设计的确认，并使用Xilinx ISE 14.7进行仿真，并使用Cadence软件计算功率，面积和延迟结果。 与现有传统加法器体系结构的比较证明了其更好的质量。 实验分析表明，在速度，面积和功率方面，推荐的混合式随身加法器具有三倍的优势。
2021-09-06 21:01:29
786KB
1
本人亲自做的教程，亲测了好几次，每次都成功！注意： 本教程要在 root 用户下安装
2021-09-06 14:28:30
351KB
1
windows系统下lammps并行安装，一般性分子模拟软件。
兼容当前大多数的势能模型，编程水平高，计算效率高。可以
模拟软材料和固体物理系统。
2021-09-06 14:22:46
494KB
1