دانلود کتاب Parallel processing for scientific computing

ترجمه فارسی توضیحات (ترجمه ماشینی)

پردازش موازی برای محاسبات علمی

نرم‌افزار، محیط‌ها و ابزارها 20

محاسبات علمی اغلب به عنوان رویکرد سوم برای اکتشاف علمی نامیده می‌شود که به عنوان همتای آزمایش و نظریه ظاهر می‌شود. از لحاظ تاریخی، هم افزایی بین آزمایش و تئوری به خوبی درک شده است: آزمایش ها بینش را در مورد نظریه های ممکن می دهند، نظریه ها از آزمایش ها الهام می گیرند، آزمایش ها نظریه ها را تقویت یا بی اعتبار می کنند و غیره. همانطور که محاسبات علمی برای تولید نتایجی که کیفیت نتایج تجربی و نظری را برآورده می کند یا از آن فراتر می رود، تکامل یافته است، ضروری شده است.

بیش از 20 سال است که پردازش موازی یک فناوری توانمند در محاسبات علمی بوده است. این کتاب اولین بحث عمیق در مورد محاسبات موازی در 10 سال گذشته است. این نشان دهنده ترکیبی از موضوعاتی است که ریاضیدانان، دانشمندان کامپیوتر و دانشمندان محاسباتی بر روی آنها تمرکز می کنند تا پردازش موازی را برای مسائل علمی مؤثر کنند. در حال حاضر، تأثیر پردازش موازی بر محاسبات علمی در رشته‌های مختلف بسیار متفاوت است، اما در بسیاری از حوزه‌های مشکل نقش حیاتی دارد و در بسیاری از آنها کاملاً ضروری است.

پردازش موازی برای محاسبات علمی به چهار بخش تقسیم می‌شود: بخش اول مربوط به مدل‌سازی، تحلیل و بهینه‌سازی عملکرد است. دومی بر روی الگوریتم‌ها و نرم‌افزارهای موازی برای مجموعه‌ای از مشکلات مشترک در بسیاری از برنامه‌های مدل‌سازی و شبیه‌سازی تمرکز دارد. سوم بر ابزارها و محیط‌هایی تأکید می‌کند که می‌توانند فرآیند توسعه برنامه‌ها را تسهیل و بهبود بخشند. و چهارم نمونه‌ای از برنامه‌های کاربردی را ارائه می‌دهد که به محاسبات موازی برای مقیاس‌بندی برای حل مدل‌های بزرگ‌تر و واقعی‌تر که می‌توانند علم و مهندسی را پیش ببرند، ارائه می‌کند.

این جلد ویرایش شده به عنوان یک مرجع به روز برای محققان و توسعه دهندگان برنامه کاربردی در مورد وضعیت هنر در محاسبات علمی عمل می کند. همچنین به عنوان یک مرور کلی و مقدمه عالی، به ویژه برای دانشجویان کارشناسی ارشد و ارشد علاقه مند به مدل سازی محاسباتی و شبیه سازی و جنبه های علوم کامپیوتر و ریاضیات کاربردی مرتبط است.

محتویات فهرست ارقام. فهرست جداول؛ پیشگفتار؛ فصل 1: مرزهای محاسبات علمی: مروری. بخش اول: مدل‌سازی، تحلیل و بهینه‌سازی عملکرد. فصل 2: ​​تجزیه و تحلیل عملکرد: از هنر تا علم. فصل سوم: رویکردهایی به محاسبات علمی موازی آگاه از معماری. فصل 4: دستیابی به عملکرد بالا در ابررایانه BlueGene/L. فصل 5: ارزیابی عملکرد و مدل سازی سیستم های فوق مقیاس. بخش دوم: الگوریتم های موازی و فن آوری های توانمند. فصل 6: پارتیشن بندی و تعادل بار. فصل هفتم: محاسبات علمی و موازی ترکیبی. فصل 8: اصلاح مش تطبیقی ​​موازی. فصل 9: حل کننده های پراکنده موازی، پیش شرط ها و کاربردهای آنها. فصل 10: بررسی تکنیک های موازی سازی برای حل کننده های چندشبکه ای. فصل 11: تحمل خطا در محاسبات علمی در مقیاس بزرگ. بخش سوم: ابزارها و چارچوب ها برای کاربردهای موازی. فصل دوازدهم: ابزارها و محیط های موازی: نظرسنجی; فصل 13: نرم افزار جبر خطی موازی; فصل 14: سیستم های نرم افزاری با مولفه های با کارایی بالا. فصل 15: یکپارچه سازی نرم افزار محاسبات علمی مبتنی بر مؤلفه. بخش چهارم: کاربردهای محاسبات موازی. فصل 16: الگوریتم های موازی برای بهینه سازی محدود PDE. فصل 17: برنامه نویسی اعداد صحیح مختلط موازی عظیم. فصل 18: روش ها و نرم افزارهای موازی برای شبیه سازی چند جزئی. فصل 19: زیست شناسی محاسباتی موازی; فصل 20: فرصت ها و چالش های محاسبات موازی در علوم و مهندسی. فهرست مطالب.

Parallel processing for scientific computing

Software, Environments, and Tools 20

Scientific computing has often been called the third approach to scientific discovery, emerging as a peer to experimentation and theory. Historically, the synergy between experimentation and theory has been well understood: experiments give insight into possible theories, theories inspire experiments, experiments reinforce or invalidate theories, and so on. As scientific computing has evolved to produce results that meet or exceed the quality of experimental and theoretical results, it has become indispensable.

Parallel processing has been an enabling technology in scientific computing for more than 20 years. This book is the first in-depth discussion of parallel computing in 10 years; it reflects the mix of topics that mathematicians, computer scientists, and computational scientists focus on to make parallel processing effective for scientific problems. Presently, the impact of parallel processing on scientific computing varies greatly across disciplines, but it plays a vital role in most problem domains and is absolutely essential in many of them.

Parallel Processing for Scientific Computing is divided into four parts: The first concerns performance modeling, analysis, and optimization; the second focuses on parallel algorithms and software for an array of problems common to many modeling and simulation applications; the third emphasizes tools and environments that can ease and enhance the process of application development; and the fourth provides a sampling of applications that require parallel computing for scaling to solve larger and realistic models that can advance science and engineering.

This edited volume serves as an up-to-date reference for researchers and application developers on the state of the art in scientific computing. It also serves as an excellent overview and introduction, especially for graduate and senior-level undergraduate students interested in computational modeling and simulation and related computer science and applied mathematics aspects.

Contents List of Figures; List of Tables; Preface; Chapter 1: Frontiers of Scientific Computing: An Overview; Part I: Performance Modeling, Analysis and Optimization. Chapter 2: Performance Analysis: From Art to Science; Chapter 3: Approaches to Architecture-Aware Parallel Scientific Computation; Chapter 4: Achieving High Performance on the BlueGene/L Supercomputer; Chapter 5: Performance Evaluation and Modeling of Ultra-Scale Systems; Part II: Parallel Algorithms and Enabling Technologies. Chapter 6: Partitioning and Load Balancing; Chapter 7: Combinatorial Parallel and Scientific Computing; Chapter 8: Parallel Adaptive Mesh Refinement; Chapter 9: Parallel Sparse Solvers, Preconditioners, and Their Applications; Chapter 10: A Survey of Parallelization Techniques for Multigrid Solvers; Chapter 11: Fault Tolerance in Large-Scale Scientific Computing; Part III: Tools and Frameworks for Parallel Applications. Chapter 12: Parallel Tools and Environments: A Survey; Chapter 13: Parallel Linear Algebra Software; Chapter 14: High-Performance Component Software Systems; Chapter 15: Integrating Component-Based Scientific Computing Software; Part IV: Applications of Parallel Computing. Chapter 16: Parallel Algorithms for PDE-Constrained Optimization; Chapter 17: Massively Parallel Mixed-Integer Programming; Chapter 18: Parallel Methods and Software for Multicomponent Simulations; Chapter 19: Parallel Computational Biology; Chapter 20: Opportunities and Challenges for Parallel Computing in Science and Engineering; Index.