Structure of Highly Parallel, Efficient, Scalable, True Robust Pseudomultigrid Technique for Black-Box Solving a Large Class of the Boundary Value Problems on High Performance Computing Systems


Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

In this paper, we discuss the true robust pseudomultigrid technique (RMT) for blackbox solving a large class of the boundary value problems on high performance computing systems. RMT has the same number of the problem-dependent components as Gauss-Seidel method and close-to-optimal algorithmic complexity. First, an algebraic approach to parallelization is introduced for a parallel smoothing on the fine levels. The algebraic approach is based on a decomposition of the given problem into a number of subproblems with an overlap. Second, a geometric approach to parallelization is introduced for a parallel smoothing on the coarse levels to avoid communication overhead and idling processes on the very coarse grids. The geometric approach is based on a decomposition of the given problem into a number of subproblems without an overlap. After that we discuss a combination of the algebraic and the geometric approaches for parallel RMT.

Об авторах

V. Volokhov

Institute of Problems of Chemical Physics of Russian Academy of Sciences

Автор, ответственный за переписку.
Email: vvm@icp.ac.ru
Россия, pr. Academika Semenova 1, Chernogolovka, Moscow oblast, 142432

P. Toktaliev

Institute of Problems of Chemical Physics of Russian Academy of Sciences; Central Institute of Aviation Motors

Email: vvm@icp.ac.ru
Россия, pr. Academika Semenova 1, Chernogolovka, Moscow oblast, 142432; ul. Aviamotornaya 2, Moscow, 111116

S. Martynenko

Institute of Problems of Chemical Physics of Russian Academy of Sciences; Central Institute of Aviation Motors

Email: vvm@icp.ac.ru
Россия, pr. Academika Semenova 1, Chernogolovka, Moscow oblast, 142432; ul. Aviamotornaya 2, Moscow, 111116

L. Yanovskiy

Institute of Problems of Chemical Physics of Russian Academy of Sciences; Central Institute of Aviation Motors

Email: vvm@icp.ac.ru
Россия, pr. Academika Semenova 1, Chernogolovka, Moscow oblast, 142432; ul. Aviamotornaya 2, Moscow, 111116

D. Varlamov

Institute of Problems of Chemical Physics of Russian Academy of Sciences

Email: vvm@icp.ac.ru
Россия, pr. Academika Semenova 1, Chernogolovka, Moscow oblast, 142432

A. Volokhov

Institute of Problems of Chemical Physics of Russian Academy of Sciences

Email: vvm@icp.ac.ru
Россия, pr. Academika Semenova 1, Chernogolovka, Moscow oblast, 142432

E. Amosova

Institute of Problems of Chemical Physics of Russian Academy of Sciences

Email: vvm@icp.ac.ru
Россия, pr. Academika Semenova 1, Chernogolovka, Moscow oblast, 142432

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

© Pleiades Publishing, Ltd., 2018

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».