Preparing TELEMAC-2D for extremely large simulations
Notice bibliographique
Résumé
This paper describes the latest developments that have been carried out to prepare TELEMAC-2D for simulations using grids composed of hundreds of millions of elements.Even running modest-sized simulations involving around 2 to 10 million grid elements highlights some critical issues concerning both the grid generation and the subsequent grid pre-processing which is currently handled by the PARTEL TELEMAC system tool.A serial accelerated global mesh refinement technique is presented which allows the generation of a 425-million element grid from an existing 106million element grid in less than an hour on a fat node of an IBM POWER7 cluster.The current version of PARTEL (version 6.0) relies on METIS 4.0 as the partitioner and has two main drawbacks for extremely large simulations; namely, METIS 4.0 is highly memory consuming, and secondly, PARTEL is extremely time-consuming when performing the rest of the pre-processing stage.Four alternative partitioners are tested on large grids, and a new parallel pre-processing tool, PARTEL_P, has been designed with the aim of optimising memory consumption.This new tool allows the pre-processing of a 200-million element grid on up to 32,768 sub-domains and its output has successfully been used to evaluate the scaling performance of TELEMAC-2D on an IBM Blue Gene/P.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».