Prof. Dr. Rudolf Berrendorf

Seminar Spezialisierung Komplexe Software-Systeme (WS 13/14)

Die nachfolgenden Angaben gelten für meine Seminargruppe.

Aktuelles

Ankündigung

Die Ankündigung zur Veranstaltung finden Sie hier .

Abschluss

Das Seminar wird abgeschlossen durch ein Prüfung in Form eines Kolloquiums. Dazu muss eine Seminarausarbeitung abgegeben werden (pdf; 15-20 Seiten) und ein Seminarvortrag von 30 Minuten gehalten werden. Voraussetzungen zur Teilnahme an der Prüfung sind (alle Kriterien müssen erfüllt sein):

Zeitliche Planung

Datum Meilenstein
01.10.2013, 18:00 Auftaktveranstaltung
09.10.2013, 10-11:30, Raum C013.1 Themenausgabe (gilt nur für meine Gruppe)
03.11.2013, 23:59 Gliederung,Literatur
06. und 13.11.2013 10-11:30, Raum C013.1 Zwischenpräsentation
08.12.2013, 23:59 Ausarbeitung
ca.16.-20.12.2013 Präsentation

Zeitlots für Beratung

Vereinbaren Sie mit mir per E-Mail einen Beratungstermin. Je früher, desto besser. 20-Minuten-Zeitslots gibt es immer mittwochs 10-12 Uhr.

Unterlagen der Auftaktveranstaltung

Themen

Nr Themenkürzel bearbeitet von Ausarbeitung Vortragsfolien (Einstiegs-)Paper
1 Speicherformate M.Nutzenberger - - R.Barrett et.al.: Templates for the Solution of Linear Systems: Building Blocks for Iterative Methods (chap 4.3.1) 2nd edition, SIAM, 1993. (Einstiegsliteratur)
2 Umsortierungen J.Baum Ausarbeitung - Y.Saad: Iterative methods for sparse linear systems (chap 3.3). SIAM, 2003. (in Bibliothek)
3 SpMV auf Caches K.Odenthal Ausarbeitung - A.N.Yzelman and Rob H.Bisseling: A cache-oblivious sparse matrix-vector multiplication scheme based on the Hilbert curve. M. Günther, A. Bartel, M. Brunk, S. Schöps, and M. Striebel (eds.), Progress in Industrial Mathematics at ECMI 2010, pp 627-634, Springer, 2012
4 SpMV Multicore/Autotuning F.Sommer Ausarbeitung - S.Williams et al.: Optimization of Sparse Matrix-Vector Multiplication on Emerging Multicore Platforms Proc. Supercomputing 2007, (extended version 2009).
5 SpMV auf GPU M.Esser - - I.Kreutzer, M.Giles: Efficient Sparse Matrix-Vector Multiplication on Cache-Based GPUs. In: Proc. Innovative Parallel Computing: Foundations and Applications of GPU, Manycore, and Heterogeneous Systems (InPar 2012), pp. 1-12 (2012).
D.Mukunoki, D.Takahashi: Optimization of Sparse Matrix-Vector Multiplication for CRS Format on NVIDIA Kepler Architecture GPUs ICCSA 2013.
6 SpMM auf GPU E.Schricker Ausarbeitung - G.Ortega et.al.: FastSpMM: An Efficient Library for Sparse Matrix Matrix Product on GPUs The Computer Journal, May 2013.
7 SpMM auf Xeon Phi E.Auschew - - Erik Saule, Kamer Kaya, Ümit Catalürek: Performance Evaluation of Sparse Matrix Multiplication Kernels on Intel Xeon Phi. arXiv:1302.1078, 2013
8 BFS S.Sielenkemper Ausarbeitung - S.Beamer, K.Asanovic, D.Patterson: Direction-Optimizing Breadth-First Search Proc. Supercomputing 2012.

Prof. Dr. Rudolf Berrendorf