1,720,963 research outputs found
Optimisation des applications HPC avec la vectorisation et l’ordonnancement multicritère des tâches sur les systèmes hétérogènes
No full textHigh-performance computing (HPC) applications, such as numerical simulations, have huge computing requirements. These applications rely on software that effectively leverages hardware capabilities. This thesis focuses on optimizing HPC applications by intervening at different levels of the software stack. The optimization targets two key metrics: performance and energy efficiency. Modern processors offer data-level parallelism, with vector instructions processing multiple data simultaneously. This type of parallelism, achieved through vectorization, plays a key role in optimizing computing speed. We introduce Autovesk, a source-to-source code generation tool for vectorizing static kernels. Autovesk overcomes the limitations of existing tools, efficiently handling non-contiguous data access patterns that prevent the automatic vectorization by the compiler. The emergence of heterogeneous HPC architectures has increased computational power but created challenges in software utilization. Task-based runtime systems offer a solution, where scheduling is critical for efficient resource utilization. We propose a new multi-criteria scheduler and evaluate task-based applications in real-world scenarios with the StarPU runtime system. Challenges in dynamic task scheduling are addressed, emphasizing their impact on accelerating HPC applications. While higher performance remains a priority, it comes at the cost of increased power consumption. Energy efficiency provides an interesting way to balance power consumption and computational performance. In this thesis, we propose to study the impact of GPU power capping in the context of HPC applications using heterogeneous computing systems. We investigate how setting different power caps for GPU devices can improve the energy efficiency of the running application.Les applications de calcul à haute performance (HPC), telles que les simulations numériques, nécessitent d’énormes capacités de calcul. Ces applications requièrent des logiciels qui exploitent efficacement les capacités du matériel. Cette thèse se concentre sur l’optimisation des applications HPC en intervenant à différents niveaux de la pile logicielle. L’optimisation vise deux principales métriques : la performance et l’efficacité énergétique. Les processeurs modernes offrent du parallélisme au niveau des données grâce aux instructions vectorielles traitant plusieurs données simultanément. Ce type de parallélisme, obtenu grâce à la vectorisation, joue un rôle clé dans l’optimisation de la vitesse de calcul. Nous présentons Autovesk, un outil de génération de code source à source pour la vectorisation des noyaux statiques. Autovesk pallie les limitations des outils existants, en traitant efficacement les schémas d’accès aux données non contiguës qui empêchent la vectorisation automatique par le compilateur. L’émergence d’architectures HPC hétérogènes a augmenté la puissance de calcul mais a créé des défis dans leur utilisation par les logiciels. Les systèmes d’exécution basés sur les tâches offrent une solution, où l’ordonnancement est essentiel pour une exploitation efficace des ressources. Nous proposons un nouvel ordonnanceur multicritère et évaluons les applications basées sur les tâches dans des scénarios réels avec le système d’exécution StarPU. Les défis de l’ordonnancement dynamique des tâches sont abordés, en mettant l’accent sur leur impact sur l’accélération des applications HPC. Bien que l’augmentation des performances reste une priorité, elle se fait au prix d’une augmentation de la consommation d’énergie. L’efficacité énergétique offre un moyen intéressant d’équilibrer la consommation d’énergie et la performance de calcul. Dans cette thèse, nous proposons d’étudier l’impact de la limitation de la puissance des GPU dans le contexte des applications HPC utilisant des systèmes informatiques hétérogènes. Nous étudions comment la définition de différentes limites de puissance pour les GPUs peut améliorer l’efficacité énergétique de l’application exécutée
Optimisation des applications HPC avec la vectorisation et l’ordonnancement multicritère des tâches sur les systèmes hétérogènes
No full textHigh-performance computing (HPC) applications, such as numerical simulations, have huge computing requirements. These applications rely on software that effectively leverages hardware capabilities. This thesis focuses on optimizing HPC applications by intervening at different levels of the software stack. The optimization targets two key metrics: performance and energy efficiency. Modern processors offer data-level parallelism, with vector instructions processing multiple data simultaneously. This type of parallelism, achieved through vectorization, plays a key role in optimizing computing speed. We introduce Autovesk, a source-to-source code generation tool for vectorizing static kernels. Autovesk overcomes the limitations of existing tools, efficiently handling non-contiguous data access patterns that prevent the automatic vectorization by the compiler. The emergence of heterogeneous HPC architectures has increased computational power but created challenges in software utilization. Task-based runtime systems offer a solution, where scheduling is critical for efficient resource utilization. We propose a new multi-criteria scheduler and evaluate task-based applications in real-world scenarios with the StarPU runtime system. Challenges in dynamic task scheduling are addressed, emphasizing their impact on accelerating HPC applications. While higher performance remains a priority, it comes at the cost of increased power consumption. Energy efficiency provides an interesting way to balance power consumption and computational performance. In this thesis, we propose to study the impact of GPU power capping in the context of HPC applications using heterogeneous computing systems. We investigate how setting different power caps for GPU devices can improve the energy efficiency of the running application.Les applications de calcul à haute performance (HPC), telles que les simulations numériques, nécessitent d’énormes capacités de calcul. Ces applications requièrent des logiciels qui exploitent efficacement les capacités du matériel. Cette thèse se concentre sur l’optimisation des applications HPC en intervenant à différents niveaux de la pile logicielle. L’optimisation vise deux principales métriques : la performance et l’efficacité énergétique. Les processeurs modernes offrent du parallélisme au niveau des données grâce aux instructions vectorielles traitant plusieurs données simultanément. Ce type de parallélisme, obtenu grâce à la vectorisation, joue un rôle clé dans l’optimisation de la vitesse de calcul. Nous présentons Autovesk, un outil de génération de code source à source pour la vectorisation des noyaux statiques. Autovesk pallie les limitations des outils existants, en traitant efficacement les schémas d’accès aux données non contiguës qui empêchent la vectorisation automatique par le compilateur. L’émergence d’architectures HPC hétérogènes a augmenté la puissance de calcul mais a créé des défis dans leur utilisation par les logiciels. Les systèmes d’exécution basés sur les tâches offrent une solution, où l’ordonnancement est essentiel pour une exploitation efficace des ressources. Nous proposons un nouvel ordonnanceur multicritère et évaluons les applications basées sur les tâches dans des scénarios réels avec le système d’exécution StarPU. Les défis de l’ordonnancement dynamique des tâches sont abordés, en mettant l’accent sur leur impact sur l’accélération des applications HPC. Bien que l’augmentation des performances reste une priorité, elle se fait au prix d’une augmentation de la consommation d’énergie. L’efficacité énergétique offre un moyen intéressant d’équilibrer la consommation d’énergie et la performance de calcul. Dans cette thèse, nous proposons d’étudier l’impact de la limitation de la puissance des GPU dans le contexte des applications HPC utilisant des systèmes informatiques hétérogènes. Nous étudions comment la définition de différentes limites de puissance pour les GPUs peut améliorer l’efficacité énergétique de l’application exécutée
Optimisation des applications HPC avec la vectorisation et l’ordonnancement multicritère des tâches sur les systèmes hétérogènes
No full textHigh-performance computing (HPC) applications, such as numerical simulations, have huge computing requirements. These applications rely on software that effectively leverages hardware capabilities. This thesis focuses on optimizing HPC applications by intervening at different levels of the software stack. The optimization targets two key metrics: performance and energy efficiency. Modern processors offer data-level parallelism, with vector instructions processing multiple data simultaneously. This type of parallelism, achieved through vectorization, plays a key role in optimizing computing speed. We introduce Autovesk, a source-to-source code generation tool for vectorizing static kernels. Autovesk overcomes the limitations of existing tools, efficiently handling non-contiguous data access patterns that prevent the automatic vectorization by the compiler. The emergence of heterogeneous HPC architectures has increased computational power but created challenges in software utilization. Task-based runtime systems offer a solution, where scheduling is critical for efficient resource utilization. We propose a new multi-criteria scheduler and evaluate task-based applications in real-world scenarios with the StarPU runtime system. Challenges in dynamic task scheduling are addressed, emphasizing their impact on accelerating HPC applications. While higher performance remains a priority, it comes at the cost of increased power consumption. Energy efficiency provides an interesting way to balance power consumption and computational performance. In this thesis, we propose to study the impact of GPU power capping in the context of HPC applications using heterogeneous computing systems. We investigate how setting different power caps for GPU devices can improve the energy efficiency of the running application.Les applications de calcul à haute performance (HPC), telles que les simulations numériques, nécessitent d’énormes capacités de calcul. Ces applications requièrent des logiciels qui exploitent efficacement les capacités du matériel. Cette thèse se concentre sur l’optimisation des applications HPC en intervenant à différents niveaux de la pile logicielle. L’optimisation vise deux principales métriques : la performance et l’efficacité énergétique. Les processeurs modernes offrent du parallélisme au niveau des données grâce aux instructions vectorielles traitant plusieurs données simultanément. Ce type de parallélisme, obtenu grâce à la vectorisation, joue un rôle clé dans l’optimisation de la vitesse de calcul. Nous présentons Autovesk, un outil de génération de code source à source pour la vectorisation des noyaux statiques. Autovesk pallie les limitations des outils existants, en traitant efficacement les schémas d’accès aux données non contiguës qui empêchent la vectorisation automatique par le compilateur. L’émergence d’architectures HPC hétérogènes a augmenté la puissance de calcul mais a créé des défis dans leur utilisation par les logiciels. Les systèmes d’exécution basés sur les tâches offrent une solution, où l’ordonnancement est essentiel pour une exploitation efficace des ressources. Nous proposons un nouvel ordonnanceur multicritère et évaluons les applications basées sur les tâches dans des scénarios réels avec le système d’exécution StarPU. Les défis de l’ordonnancement dynamique des tâches sont abordés, en mettant l’accent sur leur impact sur l’accélération des applications HPC. Bien que l’augmentation des performances reste une priorité, elle se fait au prix d’une augmentation de la consommation d’énergie. L’efficacité énergétique offre un moyen intéressant d’équilibrer la consommation d’énergie et la performance de calcul. Dans cette thèse, nous proposons d’étudier l’impact de la limitation de la puissance des GPU dans le contexte des applications HPC utilisant des systèmes informatiques hétérogènes. Nous étudions comment la définition de différentes limites de puissance pour les GPUs peut améliorer l’efficacité énergétique de l’application exécutée
Optimizing HPC applications with vectorization and multi-criteria task scheduling on heterogeneous systems
No full textLes applications de calcul à haute performance (HPC), telles que les simulations numériques, nécessitent d’énormes capacités de calcul. Ces applications requièrent des logiciels qui exploitent efficacement les capacités du matériel. Cette thèse se concentre sur l’optimisation des applications HPC en intervenant à différents niveaux de la pile logicielle. L’optimisation vise deux principales métriques : la performance et l’efficacité énergétique. Les processeurs modernes offrent du parallélisme au niveau des données grâce aux instructions vectorielles traitant plusieurs données simultanément. Ce type de parallélisme, obtenu grâce à la vectorisation, joue un rôle clé dans l’optimisation de la vitesse de calcul. Nous présentons Autovesk, un outil de génération de code source à source pour la vectorisation des noyaux statiques. Autovesk pallie les limitations des outils existants, en traitant efficacement les schémas d’accès aux données non contiguës qui empêchent la vectorisation automatique par le compilateur. L’émergence d’architectures HPC hétérogènes a augmenté la puissance de calcul mais a créé des défis dans leur utilisation par les logiciels. Les systèmes d’exécution basés sur les tâches offrent une solution, où l’ordonnancement est essentiel pour une exploitation efficace des ressources. Nous proposons un nouvel ordonnanceur multicritère et évaluons les applications basées sur les tâches dans des scénarios réels avec le système d’exécution StarPU. Les défis de l’ordonnancement dynamique des tâches sont abordés, en mettant l’accent sur leur impact sur l’accélération des applications HPC. Bien que l’augmentation des performances reste une priorité, elle se fait au prix d’une augmentation de la consommation d’énergie. L’efficacité énergétique offre un moyen intéressant d’équilibrer la consommation d’énergie et la performance de calcul. Dans cette thèse, nous proposons d’étudier l’impact de la limitation de la puissance des GPU dans le contexte des applications HPC utilisant des systèmes informatiques hétérogènes. Nous étudions comment la définition de différentes limites de puissance pour les GPUs peut améliorer l’efficacité énergétique de l’application exécutée.High-performance computing (HPC) applications, such as numerical simulations, have huge computing requirements. These applications rely on software that effectively leverages hardware capabilities. This thesis focuses on optimizing HPC applications by intervening at different levels of the software stack. The optimization targets two key metrics: performance and energy efficiency. Modern processors offer data-level parallelism, with vector instructions processing multiple data simultaneously. This type of parallelism, achieved through vectorization, plays a key role in optimizing computing speed. We introduce Autovesk, a source-to-source code generation tool for vectorizing static kernels. Autovesk overcomes the limitations of existing tools, efficiently handling non-contiguous data access patterns that prevent the automatic vectorization by the compiler. The emergence of heterogeneous HPC architectures has increased computational power but created challenges in software utilization. Task-based runtime systems offer a solution, where scheduling is critical for efficient resource utilization. We propose a new multi-criteria scheduler and evaluate task-based applications in real-world scenarios with the StarPU runtime system. Challenges in dynamic task scheduling are addressed, emphasizing their impact on accelerating HPC applications. While higher performance remains a priority, it comes at the cost of increased power consumption. Energy efficiency provides an interesting way to balance power consumption and computational performance. In this thesis, we propose to study the impact of GPU power capping in the context of HPC applications using heterogeneous computing systems. We investigate how setting different power caps for GPU devices can improve the energy efficiency of the running application
Going Beyond Counting First Authors in Author Co-citation Analysis
Full text linkThe present study examines one of the fundamental aspects of author co-citation analysis (ACA) - the way co-citation
counts are defined. Co-citation counting provides the data on which all subsequent statistical analyses and mappings
are based, and we compare ACA results based on two different types of co-citation counting - the traditional type that
only counts the first one among a cited work's authors on the one hand and a non-traditional type that takes into
account the first 5 authors of a cited work on the other hand. Results indicate that the picture produced through this non-traditional author co-citation counting contains more coherent author groups and is therefore considerably clearer. However, this picture represents fewer specialties in the research field being studied than that produced through the traditional first-author co-citation counting when the same number of top-ranked authors is selected and analyzed. Reasons for these effects are discussed
Variations on the Author
Full text link“Variations on the Author” discusses two of Eduardo Coutinho’s recent films (Um Dia na Vida, from 2010, and Últimas Conversas, posthumously released in 2015) and their contribution to the general question of documentary authorship. The director’s filmography is characterized by a consistent yet self-effacing form of authorial self-inscription: Coutinho often features as an interviewer that rather than express opinions propels discourses; an interviewer that is good at listening. This mode of self-inscription characterizes him as an author who is not expressive but who is nonetheless markedly present on the screen. In Um Dia na Vida, however, Coutinho is completely absent form the image, while Últimas Conversas, on the contrary, includes a confessional prologue that moves the director from the margins to the center of his films. This article examines the ways in which these works stand out in the filmography of a director who offers new insights into the notion of cinematic authorship
Appropriate Similarity Measures for Author Cocitation Analysis
Full text linkWe provide a number of new insights into the methodological discussion about author cocitation analysis. We first argue that the use of the Pearson correlation for measuring the similarity between authors’ cocitation profiles is not very satisfactory. We then discuss what kind of similarity measures may be used as an alternative to the Pearson correlation. We consider three similarity measures in particular. One is the well-known cosine. The other two similarity measures have not been used before in the bibliometric literature. Finally, we show by means of an example that our findings have a high practical relevance.information science;Pearson correlation;cosine;similarity measure;author cocitation analysis
Dispelling the Myths Behind First-author Citation Counts
Full text linkWe conducted a full-scale evaluative citation analysis study of scholars in the XML research field to explore just how different from each other author rankings resulting from different citation counting methods actually are, and to demonstrate the capability of emerging data and tools on the Web in supporting more realistic citation counting methods. Our results contest some common arguments for the continued
use of first-author citation counts in the evaluation of scholars, such as high correlations between author rankings by first-author citation counts and other citation
counting methods, and high costs of using more realistic citation counting methods that are not well-supported by the ISI databases. It is argued that increasingly available digital full text research papers make it possible for citation analysis studies to go beyond what the ISI databases have directly supported and to employ more
sophisticated methods
- …
