MétaCan
Menu
Retour à la cohorte
Enregistrement W6930802177 · doi:10.5281/zenodo.15849599

Artifacts for "CPU- and GPU-initiated Communication Strategies for Conjugate Gradient Methods on Large GPU Clusters"

2025· dataset· en· W6930802177 sur OpenAlexaboutno aff

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2025
Typedataset
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueBiotin and Related Studies
Établissements canadiensnon disponible
Organismes subventionnairesEuropean Commission
Mots-clésConjugate gradient methodScripting languageSoftwareSource codeBiconjugate gradient methodCode (set theory)Mathematical softwareScheme (mathematics)Graph

Résumé

récupéré en direct d'OpenAlex

This dataset contains computational artifacts related to the paper: “CPU- and GPU-initiated Communication Strategies for Conjugate Gradient Methods on Large GPU Clusters” The paper describes computational experiments that were conducted to evaluate the performance of multi-GPU iterative linear solvers based on the conjugate gradient (CG) method. The computational artifacts are located in several subdirectories: 'aCG-1.0.0/' contains the source code for aCG (version 1.0.0), which implements of the various multi-GPU CG solvers that are used for the performance benchmarks presented in the paper. 'partitions/' contains input files related to partitioning and distributing matrices that were used in the experiments. Partitions were computed using METIS (Karypis and Kumar, 1998), a multilevel graph partitioner. From the SuiteSparse Collection (Davis and Hu, 2011), six matrices were selected: Bump_2911, Cube_Coup_dt6, Flan_1565, Queen_4147, Serena and audikw_1. For each matrix, partitions are provided for 2, 4, 8, 16 and 32 parts. 'scripts/' contains job scripts for submitting jobs on three clusters: LUMI, MareNostrum 5 and Wisteria/BDEC-01 (Aquarius). These scripts carry out performance measurements for the multi-GPU CG solvers in aCG and PETSc, and were used to collect the results presented in the paper. 'results/' contains results from the performance benchmarks presented in the paper as tables in a plain-text format. References Davis, T. A. and Y. Hu. 2011. “The University of Florida Sparse Matrix Collection”. ACM Transactions on Mathematical Software 38, 1, Article 1 (December 2011), 25 pages. DOI: https://doi.org/10.1145/2049662.2049663 Karypis, G., and V. Kumar. 1998. “A fast and high quality multilevel scheme for partitioning irregular graphs”. SIAM Journal on scientific Computing 20, 1, pp. 359–392. DOI: https://doi.org/10.1137/S1064827595287997

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,045
Tête enseignante GPT0,330
Écart entre enseignants0,286 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreJeu de données

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

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)Même sujetBiotin and Related StudiesTravaux en français237 207