《基於異構體系結構的稀疏矩陣分解算法並行化研究》是依託中國人民解放軍國防科技大學，由鄒丹擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：基於異構體系結構的稀疏矩陣分解算法並行化研究
- 項目類別：青年科學基金項目
- 項目負責人：鄒丹
- 依託單位：中國人民解放軍國防科技大學
中文摘要,結題摘要,
中文摘要
稀疏矩陣分解是科學與工程計算領域求解大規模稀疏線性方程組的核心算法，也是求解過程中最耗時的部分。近年來，一系列稀疏矩陣算法通過異構體系結構平台獲得了顯著的加速比，然而，由於任務間大量數據依賴關係以及訪存的不規則，面向異構體系結構的稀疏矩陣分解算法研究存在計算效率低、並行性能低等問題。本項目以稀疏矩陣分解為研究對象，從並行算法設計和體系結構設計兩方面出發，在研究CPU-GPU和CPU-MIC兩類通用異構體系結構計算平台上的算法並行化設計的基礎上，設計並實現基於FPGA的可重構算法加速器，進而構建包含GPU、MIC和FPGA三種不同特性的算法加速器的混合異構體系結構計算平台，實現不同計算單元的體系結構特徵與稀疏矩陣分解不規則計算特徵的適配，從而有效提高稀疏矩陣分解算法的計算性能和適應性。
結題摘要
稀疏矩陣分解是科學與工程計算領域求解大規模稀疏線性方程組的核心算法，也是求解過程中最耗時的部分。由於任務間大量數據依賴關係以及訪存的不規則，面向異構體系結構的稀疏矩陣分解算法研究存在計算效率低、並行性能低等問題。 項目以稀疏矩陣分解為研究對象，從並行算法設計和體系結構設計兩方面出發，在研究通用異構體系結構計算平台上的算法並行化設計的基礎上，設計基於FPGA的可重構算法加速器，進而實現不同計算單元的體系結構特徵與稀疏矩陣分解不規則計算特徵的適配，從而有效提高稀疏矩陣分解算法的計算性能和適應性。 項目針對稀疏矩陣分解算法的數據相關性和存儲訪問特徵，面向GPU和FPGA異構平台提出了資源受限條件下的數據相關性轉換、負載平衡的任務劃分和存儲調度策略，設計了並行計算結構，對稀疏矩陣算法實現了細粒度並行和硬體加速。綜合採用可變粒度運算單元、數據驅動的循環展開執行、不規則訪存最佳化技術，構建了異構計算平台，並以CPU為參照，對並行算法的性能進行分析和評估。研究結果表明，與同構計算平台相比，異構計算平台對稀疏矩陣分解算法具有顯著的加速效果。
