Beräkningsvetenskap: Parallellprogrammering inom beräkningsmatematik

Om utbildningen

Lär dig hur parallellprogrammering accelererar numeriska algoritmer på moderna flerkärniga system och kluster. Kursen behandlar både delat minne och distribuerat minne samt hur man uppnår betydande hastighetsvinster i vetenskapliga beräkningar. Denna kurs ger en gedigen introduktion till parallellprogrammering i vetenskapliga beräkningar för studenter som vill utöka sina beräkningsmässiga färdigheter till moderna flerkärniga system och fler-nodssystem. Kursen tar upp de grundläggande idéerna bakom programmering med delat minne och distribuerat minne. Den illustrerar vanliga hinder för prestanda, möjliga orsaker till icke-reproducerbara resultat och skäl till att program kan frysa under körning. Du studerar också hur algoritmers struktur samspelar med hårdvara samt hur man analyserar prestanda och skalbarhet hos parallella implementationer. KursinnehållIntroduktion till programmering i CGrundläggande begrepp inom parallell databehandling med delat och distribuerat minneVanligt använda kommandon i MPI och OpenMPPrestandautvärdering av parallella applikationerFelsökning och profilering av parallella programEffektiv OpenMP- och MPI-parallellisering av vanliga algoritmiska strukturer såsom matris-vektor-produkter, skalärprodukter, obalanserade summor, rekursiva anrop samt divide-and-conquerHybridparallellisering (delat och distribuerat minne) av en stencilkod på ett regelbundet rutnät.Kursen är alternativ-obligatorisk inom masterprogrammet i beräkningsvetenskap och kan läsas som valfri kurs inom masterprogrammet i matematik med specialisering i numerisk analys. Den ges även som fristående kurs.

Behörighet

För tillträde till kursen krävs Engelska 6/B och minst 90 högskolepoäng i naturvetenskap inklusive kunskaper motsvarande kursen NUMA01, Beräkningsprogrammering med Python (7,5 hp). Dessutom krävs kunskaper motsvarande en av kurserna NUMA32 Numeriska metoder för differentialekvationer (7,5 hp), NUMN21Avancerad kurs i numeriska algoritmer med Python/SciPy (7,5 hp), FYTN03, Beräkningsfysik (7,5 hp) eller FYSN33 Tillämpad beräkningsfysik och maskininlärning (7,5 hp).

Rekommenderade förkunskaper: uh

Alla tillfällen (1)

Liknande utbildningar

• Parallell och distribuerad programmeringUniversitet/högskola
• Parallell programmeringUniversitet/högskola
• Parallell programmering för hög prestandaUniversitet/högskola
• Parallelldatorprogrammering för bearbetning av stora datamängderUniversitet/högskola