Improving the parallel performance of a domain decomposition preconditioning technique in the Jacobi–Davidson method for large scale eigenvalue problems

Genseberger, Menno

doi:10.1016/j.apnum.2009.07.004

Cited by 10 publications

(18 citation statements)

References 13 publications

Supporting

Mentioning

Contrasting

Order By: Relevance

“…However, Davidson methods may present better performance computing interior eigenvalues and/or in generalized eigenproblems when exact solves with A − τ B are unaffordable, but some approximations are available, so-called preconditioners, [Davidson, 1975;van Lenthe and Pulay, 1990;Crouzeix et al, 1994;Heuveline et al, 1997;Arbenz et al, 2006;Genseberger, 2010].…”

Section: A Double-expansion Davidson Methodsmentioning

confidence: 99%

“…This dynamic criterion comes from the Newton methods and the use in Jacobi-Davidson is suggested in [Fokkema et al, 1999], and tested in [Genseberger, 2010;. It is well-know that in the first iterations of the Davidson-type methods the extraction method usually produces poor eigenpair approximations and the target τ may be a relatively closer approximation to an exact eigenvalue [Morgan and Scott, 1986].…”

Section: ])mentioning

confidence: 99%

“…This criterion comes from Newton methods and its use in the context of Jacobi-Davidson is suggested in [Fokkema et al, 1999], and is also used in [Genseberger, 2010].…”

Section: Stopping Criterion For the Correction Equation Solvermentioning

confidence: 99%

See 2 more Smart Citations

Parallel Implementation

Coelho¹

2008

Thermopedia

View full text Add to dashboard Cite

ResumenEl problema de valores propios (también llamado de autovalores) está presente en multitud dé areas científicas a través de, por ejemplo, la resolución de ecuaciones en derivadas parciales, reducción de modelos y cálculo de funciones matriciales, entre otras muchas aplicaciones. Si los problemas son de dimensión moderada (menor a 10 6 ), pueden ser abordados mediante los llamados métodos directos, como el algoritmo iterativo QR o el método de divide y vencerás. Sin embargo, si el problema es de gran dimensión y sólo se requieren unas pocas soluciones, comparado con el tamaño del problema, los métodos iterativos pueden resultar más eficientes. Además, los métodos iterativos pueden ofrecer mejor rendimiento en arquitecturas de altas prestaciones, como las plataformas paralelas de memoria distribuida, en las que existe un cierto número de nodos computacionales con espacio de memoria propio y sólo pueden compartir información y sincronizarse mediante el paso de mensajes.Esta tesis aborda la implementación de métodos de tipo Davidson, destacando Generalized Davidson y Jacobi-Davidson, una clase de métodos iterativos que pueden ser competitivos en casos especialmente difíciles como calcular valores propios en el interior del espectro o cuando la factorización de matrices es prohibitiva o ineficiente, y sólo es posible una factorización aproximada. La implementación se desarrolla en SLEPc (Scalable Library for Eigenvalue Problem Computations), librería de software libre para la resolución de problemas de gran tamaño de valores propios, problemas cuadráticos de valores propios y problemas de valores singulares, entre otros.Como resultado de esta tesis, SLEPc incorpora una implementación de Generalized Davidson y Jacobi-Davidson para problemas estándares y generalizados, tanto hermitianos como no hermitianos, característica a destacar ya que los problemas no hermitianos no están soportados en otras librerías libres y paralelas con métodos de Davidson. Además de incorporar mejoras en la convergencia de los métodos, como la extracción de pares propios mediante el método de Rayleigh-Ritz armónico, se han realizado otras optimizaciones para mejorar el rendimiento, como evitar la aritmética compleja cuando las matrices son reales (aunque los pares propios puedan tener parte imaginaria) o agrupar las operaciones a bloques para aprovechar la memoria caché. Además se ha presentado un método nuevo para expandir el subespacio, llamado GD2, que ofrece mejores resultados en comparación con Generalized Davidson cuando el precondicionador está muy alejado del ideal.La estabilidad numérica y el rendimiento computacional de la implementación se han evaluado mediante una batería de problemas procedentes de aplicaciones reales, y comparado con otras librerías como PRIMME o Anasazi.Finalmente se presenta la integración de la implementación en dos aplicaciones científicas. Por un lado, Jacobi-Davidson ha mejorado las prestaciones de los cálculos de valores propios y los estudios multiparamétricos que aparecen en GENE, un código que re...

show abstract

Section: A Double-expansion Davidson Methodsmentioning

confidence: 99%

Section: ])mentioning

confidence: 99%

See 1 more Smart Citation

Parallel Implementation

Coelho¹

2008

Thermopedia

View full text Add to dashboard Cite

show abstract

“…This dynamic criterion comes from the Newton methods and the use in JacobiDavidson is suggested in [Fokkema et al 1998], and tested in [Genseberger 2010;Romero and Roman 2011]. It is well-know that in the first iterations of the Davidson-type methods the extraction method usually produces poor eigenpair approximations and the target τ may be a relatively closer approximation to an exact eigenvalue [Morgan and Scott 1986].…”

Section: ])mentioning

confidence: 99%

A parallel implementation of Davidson methods for large-scale eigenvalue problems in SLEPc

Romero

Román

2014

ACM Trans. Math. Softw.

View full text Add to dashboard Cite

In the context of large-scale eigenvalue problems, methods of Davidson type such as Jacobi-Davidson can be competitive with respect to other types of algorithms, especially in some particularly difficult situations such as computing interior eigenvalues or when matrix factorization is prohibitive or highly inefficient. However, these types of methods are not generally available in the form of high-quality parallel implementations, especially for the case of non-Hermitian eigenproblems. We present our implementation of various Davidsontype methods in SLEPc, the Scalable Library for Eigenvalue Problem Computations. The solvers incorporate many algorithmic variants for subspace expansion and extraction, and cover a wide range of eigenproblems including standard and generalized, Hermitian and non-Hermitian, with either real or complex arithmetic. We provide performance results on a large battery of test problems.

show abstract

Section: Solution Of the Correction Equationmentioning

confidence: 99%

Parallel implementation of Davidson-type methods for large-scale eigenvalue problems

Alcalde¹

View full text Add to dashboard Cite

Improving the parallel performance of a domain decomposition preconditioning technique in the Jacobi–Davidson method for large scale eigenvalue problems

Cited by 10 publications

References 13 publications

Parallel Implementation

Parallel Implementation

A parallel implementation of Davidson methods for large-scale eigenvalue problems in SLEPc

Parallel implementation of Davidson-type methods for large-scale eigenvalue problems

Contact Info

Product

Resources

About