Titlebar

Export bibliographic data
Literature by the same author
plus on the publication server
plus at Google Scholar

 

Effiziente Implementierung und Analyse eines Waveform-Relaxationsverfahrens mit NVIDIA CUDA

URN to cite this document: urn:nbn:de:bvb:703-epub-3180-6

Title data

Fiebig, Alexander:
Effiziente Implementierung und Analyse eines Waveform-Relaxationsverfahrens mit NVIDIA CUDA.
Bayreuth , 2016 . - 47 P. - (Bayreuth Reports on Parallel and Distributed Systems ; 9 )
( Bachelor thesis, 2016, University of Bayreuth, Faculty of Mathematics, Physics and Computer Sciences)

[img] PDF
fiebig2016effiziente.pdf - Published Version
Available under License Creative Commons BY-SA 4.0: Attribution, Share Alike .

Download (1MB)

Abstract

Das Waveform-Relaxationsverfahren (WR-Verfahren) ist ein numerisches Lösungsverfahren für Anfangswertprobleme (IVP) gewöhnlicher Differentialgleichungssysteme (ODE-Systeme). Es besitzt einen hohen Grad an Parallelität und eignet sich besonders für schwach gekoppelte ODE-Systeme. In dieser Arbeit werden parallele Implementierungen des WR-Verfahrens auf GPUs betrachtet. Es werden zunächst allgemeine und problemspezifische Implementierungen für eine GPU vorgestellt. Anschließend werden darauf aufbauend Implementierungen für mehrere GPUs innerhalb eines Rechners und zum Schluss Implementierungen für verteilten Adressraum, welche alle GPUs eines Rechnernetzes nutzen, entwickelt. Die entstanden Implementierungen werden hinsichtlich Rechenzeit, Speicherbedarf und Konvergenzverhalten untersucht und mit dem Eulerverfahren verglichen.

Abstract in another language

The Waveform-Relaxation (WR) method is a numerical method for solving initial value problems (IVP) of systems of ordinary differential equations (ODE). It has a high degree of parallelism and is especially well suited for weakly coupled ODE-systems. In this thesis, parallel implementations of the WR-method on GPUs are presented. First, general and problem specific implementations for one GPU are shown. Then, built on top of that, implementations for all GPUs in one computer and implementations for distributed memory that use all GPUs in a computer network are developed. The resulting implementations are analysed based on runtime, memory consumption and convergence behaviour and are compared with the Euler method.

Further data

Item Type: Bachelor thesis
Keywords: Gewöhnliche Differentialgleichung; Waveform-Realaxationsverfahren; Parallelverarbeitung; GPU; CUDA
DDC Subjects: 000 Computer Science, information, general works > 004 Computer science
Institutions of the University: Faculties > Faculty of Mathematics, Physics und Computer Science > Department of Computer Science > Chair Applied Computer Science II
Faculties
Faculties > Faculty of Mathematics, Physics und Computer Science
Faculties > Faculty of Mathematics, Physics und Computer Science > Department of Computer Science
Language: German
Originates at UBT: Yes
URN: urn:nbn:de:bvb:703-epub-3180-6
Date Deposited: 06 Feb 2017 11:20
Last Modified: 06 Feb 2017 11:25
URI: https://epub.uni-bayreuth.de/id/eprint/3180

Downloads

Downloads per month over past year