Profiling and optimization of Python-based social sciences applications on HPC systems by means of task and data parallelism

The article presents optimization techniques for two Python-based large-scale social sciences applications: SN (Social Network) Simulator and KPM (Kernel Polynomial Method). These applications use MPI technology to transfer data between computing processes, which in the regular implementation leads...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	Future generation computer systems Ročník 148; s. 623 - 635
Hlavní autoři:	Szustak, Lukasz, Lawenda, Marcin, Arming, Sebastian, Bankhamer, Gregor, Schweimer, Christoph, Elsässer, Robert
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	Elsevier B.V 01.11.2023
Témata:	CcNUMA Co-design Data parallelism HPC Optimization Profiling Social sciences applications Task parallelism Data parallelism Co-design Profiling Task parallelism Social sciences applications CcNUMA HPC Optimization
ISSN:	0167-739X, 1872-7115
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!