Ordonnancement dynamique, adapté aux architectures hétérogènes, de la méthode multipôle pour les équations de Maxwell, en électromagnétisme

• Auteur / Autrice : Cyril Bordage
• Direction : David Goudin, Raymond Namyst
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 20/12/2013
• Etablissement(s) : Bordeaux 1
• Ecole(s) doctorale(s) : École doctorale Mathématiques et informatique (Talence, Gironde ; 1991-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire bordelais de recherche en informatique - Laboratoire Bordelais de Recherche en Informatique / LaBRI - RUNTIME
• Jury : Président / Présidente : François Pellegrini
• Jury : Examinateurs / Examinatrices : Francis Collino, Éric Darrigrand
• Jury : Rapporteurs / Rapporteuses : Patrick Amestoy, Christian Pérez

Mots clés

Mots clés contrôlés

Helmholtz, Équation d'

Électromagnétisme

Maxwell, Équations de

Ordonnancement (informatique)

Mots clés libres

Méthode multipôle

Fmm

Ordonnancement dynamique

Électromagnétique

Helmholtz

Mpi

StarPU

Cuda

Fast multipole method

Fmm

Dynamic scheduling

Electromagnetics

Helmholtz

Mpi

StarPU

Cuda

Résumé

La méthode multipôle permet d'accélérer les produits matrices-vecteurs, utilisés par les solveurs itératifs pour déterminer le comportement électromagnétique, d'un objet soumis à une onde incidente. Nos travaux ont pour but d'adapter cette méthode pour la rendre efficace sur les architectures hétérogènes contenant des GPU. Pour cela, nous utilisons une ordonnanceur dynamique, StarPU, qui effectuera la distribution des tâches de calcul au sein d'un nœud. Pour la parallélisation en mémoire distribuée, nous effectuerons un ordonnancement statique des boîtes, couplé à un ordonnancement dynamique des interactions proches.

The Fast Multipole Method can speed up matrix-vector products, found in iterative solvers in order to compute the electromagnetics response of an object subject to an incident wave. We have intended to adapt this method to make it effective on heterogeneous architectures with GPUs. For this purpose, we use a dynamic scheduler named StarPU, which distributes the tasks within a node. For the parallelization in distributed memory, we distribute the tasks statically but we distribute the near interactions dynamically..