刘芳芳 ,王志军 ,汪 荃 ,吴丽鑫 ,马文静 ,杨 超 ,孙家昶

1(中国科学院 软件研究所 并行软件与计算科学实验室,北京 100190)

2(中国科学院大学,北京 100049)

3(计算机科学国家重点实验室(中国科学院 软件研究所),北京 100190)

4(北京大学 数学科学学院,北京 100871)

HPCG(high performance conjugate gradients)基准测试程序是一种新的超级计算机排名度量标准[1].该测试基准主要用于衡量超级计算机解决大规模稀疏线性系统的能力,相比于HPL(high performance Linpack)[2],其计算、访存与通信模式与当前主流高性能计算机应用程序更为契合,能够更全面地反映系统的访存带宽和延迟的性能.HPL 和HPCG 排名每年发布两次,一次在德国的ISC[3]大会上,另一次在美国的SC[4]大会上.位于世界前列的超级计算机均提交HPL 和HPCG 两个基准测试程序的结果,2019 年德国举办的ISC 大会同时发布了HPL和HPCG 结果.越来越多的应用研究人员开始关注HPCG 的测试结果,期望从中可以了解超级计算机访存、通信等的特点,一些HPCG 并行和优化方法也可能对某些应用有所启示.

目前超级计算机的体系结构日趋复杂,早已从同构转向异构,且同节点异构部件的运算性能差异越来越大,这对异构并行算法的设计将有很大的影响.本文主要面向一类国产复杂异构系统研究HPCG 并行算法和高效实现方法.目前Dongarra 教授课题组研究了HPL-AI 混合精度算法[5,6],我们也正在关注该方向的研究.

本文工作是在国产超级计算机研制方大力支持下完成的,在此表示感谢.

1 HPCG 简介

HPCG 来源于半结构网格上的三维热传导应用,其核心是在……