8 articoli
Questo lavoro presenta due nuove famiglie di controllori di adattatività temporale multirate progettati per metodi di integrazione MRI, che, combinati con nuove embedding per i metodi MERK fino al quinto ordine, garantiscono simulazioni efficienti e flessibili di problemi con scale temporali multiple.
Il paper introduce \texttt{EinSum}, una notazione tensor-relazionale che automatizza la scomposizione dei calcoli in Einstein per eseguire le parti computazionalmente intensive tramite kernel numerici ottimizzati e gestire la sparsità dei dati all'interno di sistemi relazionali.
Questo articolo presenta la prima applicazione diretta dei tensor core FP64 su GPU NVIDIA per accelerare simulazioni agli elementi finiti di alto ordine, ottenendo significativi miglioramenti nelle prestazioni e nell'efficienza energetica su larga scala e integrandoli nella libreria MFEM per applicazioni critiche come la previsione di tsunami in tempo reale.
Questo articolo presenta un'architettura completamente residente su GPU e priva di blocchi che, migrando l'intera pipeline di generazione dei segmenti sul dispositivo e introducendo un pool di lavoro asincrono, verifica la congettura di Goldbach fino a $10^{13}$ in 133,5 secondi su un cluster di quattro GPU, ottenendo un'accelerazione di 45,6 volte rispetto alle soluzioni precedenti.
Questo breve documento tecnico presenta un'implementazione in JAX della famiglia di metodi quasi-Newton di Broyden auto-scalata, compatibile con la libreria Optimistix, che include varianti come BFGS, DFP e Broyden con una ricerca di zoom che soddisfa le condizioni di Wolfe forti, al fine di facilitarne l'adozione nella comunità JAX senza rivendicare contributi di ricerca originali.
Questo lavoro presenta un metodo numericamente stabile ed efficiente per calcolare gli autovalori di matrici reali diagonalizzabili $3 \times 3$ utilizzando quattro invarianti, superando le instabilità delle formule trigonometriche tradizionali e offrendo prestazioni significativamente superiori rispetto alla libreria LAPACK.
Il paper presenta un algoritmo efficiente che, partendo da un insieme di generatori di un sottocampo di funzioni razionali, ne trova un insieme generatore semplice, migliorando lo stato dell'arte sia in termini di prestazioni che di qualità dei risultati e dimostrando la sua utilità in ambiti come l'identificabilità strutturale dei parametri.
Il paper presenta Threadle, un motore di archiviazione e query di rete open-source scritto in C# che risolve il problema della gestione su larga scala di reti multistrato e miste (inclusi dati bipartiti) mediante un approccio di proiezione pseudo che evita la materializzazione in memoria, consentendo di memorizzare reti con milioni di nodi e trilioni di collegamenti in pochi gigabyte di RAM.