MétaCan
Menu
Retour à la cohorte
Enregistrement W3210184877 · doi:10.22215/etd/2019-13673

Parallelization of Vector Fitting Algorithm for GPU Platforms

2019· dissertation· en· W3210184877 sur OpenAlexaff
Naveen Elumalai

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomainePhysics and Astronomy
ThématiqueElectromagnetic Scattering and Analysis
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésComputer scienceParallel computingSpiceInterconnectionSupercomputerComputational scienceAlgorithmComputer engineeringComputational electromagneticsElectronic engineeringEngineeringTelecommunicationsElectromagnetic field

Résumé

récupéré en direct d'OpenAlex

With the continually increasing operating frequencies high-speed effects of modules such as multiconductor interconnect structures and packages are becoming increasingly influential in determining the performance of modern electronic designs. At higher frequencies, they are often characterized by electromagnetic tools yielding tabulated scattering parameter based multiport descriptions or directly using multiport measurements. However, integrating such tabulated data models in regular SPICE like tool environment is a challenge. This was handled by the Vector Fitting (VF) technique, however, it suffers in the presence of large number of ports or poles and becomes computationally slower. To address this problem, recently, parallel vector fitting using multi CPU environment was proposed in the literature. In this thesis, VF algorithm is advanced by proposing the use of the emerging computing platform of GPUs. Several parallel strategies are explored for optimal use of resources: CPUs, GPU and memory, for arriving at better computational performance.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,967
Score d'incertitude au seuil0,574

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,006
Tête enseignante GPT0,250
Écart entre enseignants0,244 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetElectromagnetic Scattering and AnalysisTravaux en français237 207