Ich habe bereits eine funktionierende Lösung der Finite-Elemente-Methode entwickelt, um Wärmeübertragungsprobleme mit GPU und OpenCL mithilfe der Conjugate Gradient-Methode zu lösen. Der Hauptnachteil dieses Verfahrens ist der hohe Speicherbedarf. Darüber hinaus ist bei Grafikkarten der Speicher oft sehr begrenzt. Ich sehe zwei Möglichkeiten:
- Erstellen Sie Subdomains und tauschen Sie Teile des Netzes mit dem Hostspeicher aus
- Verwenden Sie multifrontale Methoden
Ich muss die spezifische Architektur berücksichtigen. Tauschen kann sehr teuer sein. Die CG-Methode ist im Zusammenhang mit GPGPU-Computing beliebt, aber ich kann keinen Vergleich zwischen CG- und multifrontalen Methoden finden (im Fall von GPGPU). Kann die multifrontale Methode schneller sein als die CG? Dies ist eine allgemeine Frage, die immer noch von der Implementierung abhängt.
2
Führen Sie eine globale Montage der Matrizen in Ihrem FEM-Code durch? oder verwenden Sie matrixfreie Implementierungen? (dh keine explizite Bildung der Matrizen)
—
Allan P. Engsig-Karup
Welchen Vorkonditionierer verwenden Sie und wie ist die Domain? Ein zehn Jahre alter Desktop, der einen guten Algorithmus verwendet, schlägt eine Gruppe von GPUs mit einem beschissenen Algorithmus.
—
Jed Brown
Verwenden Sie hexaedrische oder einfache Netze? Wenn Speicher ein Problem darstellt und Sie Hex-Elemente mit Tensor-Produktbasisfunktionen verwenden, können Sie in einigen Fällen Speicher sparen, indem Sie nur 1D-Operatoren speichern und eine matrixfreie Implementierung verwenden (wie von Allan erwähnt).
—
Jesse Chan