Hypre

Ang layunin Hypre ng proyekto scalable Linear Solvers ay upang bumuo ng scalable algorithm at software para sa paglutas ng mga malalaking, kalat-kalat na linear sistema ng mga equation sa parallel computer.
Ang pangunahing produkto ng software ay hypre, isang library ng mataas preconditioners pagganap na mga tampok ng parallel pamamaraan multigrid para sa parehong istraktura at unstructured problema grid.
Ang mga problema ng interes lumabas dahil sa simulation code na binuo sa LLNL at sa ibang lugar sa pag-aaral ng pisikal na phenomena sa pagtatanggol, sa kapaligiran, enerhiya, at biological agham.
Kahit parallel processing ay kinakailangan para sa mga de-numerong solusyon ng mga problemang ito, nag-iisa ito ay hindi sapat. Scalable numerical algorithm ay kinakailangan ding. Sa pamamagitan ng "scalable" sa pangkalahatan ibig sabihin namin ang kakayahan upang gamitin ang mga karagdagang computational mapagkukunan epektibo upang malutas unting mas malaking problema. Maraming mga kadahilanan ng kontribusyon sa kakayahang sumukat, kabilang ang arkitektura ng mga parallel computer at ang parallel na pagpapatupad ng mga algorithm. Gayunman, ang isang mahalagang isyu ay madalas na overlooked: ang kakayahang sumukat ng mga algorithm mismo. Dito, kakayahang sumukat ay isang paglalarawan kung paano ang kabuuang computational trabaho requirements lalaki sa laki ng problema, na kung saan ay maaaring tinalakay malayang ng computing platform.
Marami sa mga algorithm na ginamit sa simulation codes ngayon ay batay sa mahirap salakayan technology kahapon. Nangangahulugan ito na ang mga trabaho na kinakailangan upang malutas ang mga unting mas malaking problema ay lumalaki mas mabilis kaysa linearly (ang optimal rate). Ang paggamit ng scalable algorithm ay maaaring bumaba ulit simulation sa pamamagitan ng ilang mga order ng magnitude, kaya pagbabawas ng dalawang-araw na tumakbo sa isang MPP hanggang 30 minuto. Bukod dito, ang mga code na gumagamit ng teknolohiya na ito ay limitado lamang sa pamamagitan ng laki ng memory ng makina dahil sila ay makapag-epektibong pagsamantalahan ng karagdagang mga mapagkukunan computer upang malutas malaking problema.
Scalable algorithms paganahin ang mga scientist application sa parehong magpose at sagutin bagong katanungan. Halimbawa, kung ang isang ibinigay na simulation (na may partikular na resolution) tumatagal ng ilang araw upang tumakbo, at isang pino (ibig sabihin, mas tumpak) na modelo sa marami na nais kumuha, ang mga siyentipiko na application ay maaaring talikdan ang mas malaki, mas mataas na fidelity simulation. Din ay maaaring sapilitang siya upang paliitin ang saklaw ng isang parameter sa pag-aaral dahil ang bawat run ay tumatagal ng masyadong mahaba. Sa pamamagitan ng nagpapababa ng pagpapatupad ng panahon, ay nagpapahintulot sa isang scalable algorithm ang mga siyentipiko upang gawin mas simulation sa mas mataas na resolution

Ano ang bago sa release na ito.

• Ang bersyon na ito ay nagdadagdag ng isang katulong-space pagkakalayo Solver (ADS), isang kalabisan bulgar-grid malutas opsyon upang BoomerAM, at isang pagpipilian Euclid preconditioner sa Fortran interface para sa ParCSR Krylov solvers.
• nagpalawak nito ang AMS at ADS solvers sa suporta (arbitrary) mataas na-order H (curl) at H (div) pamamaraan discretization.
• Ito update at refines ilan sa mga halimbawa.
• May mga iba't-ibang bugfixes.