8 papers
Dit paper introduceert twee nieuwe families van multirate tijdstap-adaptiviteitscontrollers en een set embeddings voor MERK-methoden, die samen met ingebouwde multirate infinitesimale (MRI) methoden efficiënte en flexibele simulaties van problemen met meerdere tijdschalen mogelijk maken.
Dit paper introduceert \texttt{EinSum}, een tensor-relationale uitbreiding van de Einstein-sommatienotatie die computatie-intensieve onderdelen efficiënt uitvoert met numerieke kernels terwijl de verwerking van grote, schaarse datasets relationeel wordt beheerd.
Deze paper demonstreert dat het gebruik van FP64-tensorcores op NVIDIA-GPU's, gecombineerd met kernelfusie-optimalisaties, de prestaties en energie-efficiëntie van high-order eindige-elementensimulaties aanzienlijk verbetert, met een schaalbaarheid tot bijna 10.000 GPU's op het exascale-systeem Alps.
Dit artikel presenteert een volledig GPU-residente, lock-free architectuur die de verificatie van de vermoeden van Goldbach versnelt door het gehele verwerkingsproces naar de GPU te verplaatsen, wat resulteert in een 45,6-voudige snelheidswinst en een verificatie tot $10^{13}$ in slechts 133,5 seconden op een vier-GPU-systeem.
Dit technische artikel beschrijft een JAX-implementatie van de Self-Scaled Broyden-familie van quasi-Newton-methoden, inclusief BFGS, DFP en hun zelfgeschaalde varianten, die volledig compatibel is met de Optimistix-optimalisatiebibliotheek om de adoptie binnen de JAX-gemeenschap te vergemakkelijken.
Dit artikel presenteert een numeriek stabiele en snelle methode voor het berekenen van de eigenwaarden van reële, diagonaliseerbare $3 \times 3$-matrices via vier invarianten, die zowel nauwkeuriger is dan bestaande trigonometrische formules bij meervoudige eigenwaarden als aanzienlijk sneller dan de LAPACK-bibliotheek.
Dit artikel presenteert een efficiënt algoritme dat een subveld van rationale functievelden reduceert tot een eenvoudige genererende verzameling door middel van partiële Gröbner-basisberekeningen via sparse interpolatie, wat zowel de prestaties als de toepasbaarheid in domeinen zoals structurele parameteridentificeerbaarheid verbetert.
Dit artikel introduceert Threadle, een open-source, geheugenefficiënte opslag- en query-engine in C# die speciaal is ontworpen voor het verwerken van zeer grote, multilayer en gemengde netwerken door middel van een innovatieve pseudo-projectie-methode die het materialiseren van projecties voorkomt.