Leveraging High Performance Computing AMD EPYC CPU’s For CFD Applications
Notice bibliographique
Résumé
The innovative chiplet-based AMD EPYC™ architecture disrupted the high-performance computing (HPC) market. AMD EPYC processors power Frontier, the world's first exascale supercomputer at Oak Ridge National Laboratory (ORNL). Computational Fluid Dynamics (CFD) applications play a key role in national laboratories, academia, and industry for both scientific discovery and a wide range of real-world simulations, such as aircraft engine design and numerical weather prediction. AMD EPYC processors offer an out-of-box solution for accelerating CFD applications. AMD EPYC processors with AMD 3D V-Cache™ technology have an “X” in the model number and deliver up to three times more L3 Cache per CPU compared to general-purpose AMD EPYC processors with equivalent core counts. AMD tested several standard benchmarks on common CFD applications including OpenFOAM®, WRF® (Weather Research and Forecasting), and Incompact3d that each place unique demands on the CPU. This testing included strong-scaling analysis for up to eight nodes. The results show that AMD EPYC CPUs deliver outstanding performance and scalability running CFD applications. Adding AMD 3D V-Cache further enhances performance and can significantly improve scalability. AMD 3D V-Cache technology can also deliver super-linear scaling in some cases, further reducing time to solution. Faster solutions allow engineers to consider running higher-resolution models in a given timeframe.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 ».