Implementation of generalized coarse-mesh rebalance in NEWTRNX for acceleration of parallel block-jacobi transport
Notice bibliographique
Résumé
The NEWTRNX [1] transport module solves the multigroup, discrete-ordinates source-driven or k-eigenvalue transport equation in parallel on a 3-D unstructured tetrahedral mesh using the extended step characteristics (ESC) [2], also known as the slice-balance approach (SBA), spatial discretization. The spatial domains are decomposed using METIS [3]. NEWTRNX is under development for nuclear reactor analysis on computer hardware ranging from clusters to massively parallel machines, like the Cray XT4. Transport methods that rely on full sweeps across the spatial domain have been shown to display poor scaling for thousands of processors. The Parallel Block-Jacobi (PBJ) algorithm allows each spatial partition to sweep over all discrete-ordinate directions and energies independently of all other domains, potentially allowing for much better scaling than possible with full sweeps [4]. The PBJ algorithm has been implemented in NEWTRNX using a Gauss-Seidel iteration in energy and an asynchronous communication by an energy group, such that each partition utilizes the latest boundary solution available for each group before solving the withingroup scattering in a given group. For each energy group, the within-group scattering converges with a generalized minimum residual (GMRES) solver [5], preconditioned with beta transport synthetic acceleration (β-TSA) [6].
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,003 |
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 source (Gemma direct ou Codex distillé), 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 ».