Increasing data reuse in parallel sparse matrix-vector and matrix-transpose-vector multiply on shared-memory architectures

Seyrek matris-vektör ve devrik-matris-vektör çarpımları (Seyrek AATx) yinelemeli çözücülerde kullanılan çekirdek işlemlerdir. Girdi matrisi A'nın ve devriğinin seyreklik deseni yinelemeler boyunca aynı kalmaktadır. Matrisin düzensiz seyreklik deseni nedeniyle, bu Seyrek AATx operasyonları sırasında CPU önbelleği tam anlamıyla kullanılamaz. Seyrek AATx operasyonu için iki paralelleştirme stratejisi öneriyoruz. Metotlarımız A matrisini bölümleyerek matris sıfır dışı girdileri ve vektör girdileri için önbellek yerelliği sağlamaktadır. Deneylerimizi çok çeşitli seyrek matrisler kullanarak piyasaya yeni sunulmuş Intel Xeon Phi yardımcı işlemci üzerinde yürüttük. Deneysel sonuçlar önerdiğimiz metotların literatürdeki en gelişmiş metotlardan daha yüksek performans geliştirmesi elde ettiğini göstermektedir.