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...

Ausführliche Beschreibung

Gespeichert in:

Bibliographische Detailangaben
Veröffentlicht in:	Future generation computer systems Jg. 148; S. 623 - 635
Hauptverfasser:	Szustak, Lukasz, Lawenda, Marcin, Arming, Sebastian, Bankhamer, Gregor, Schweimer, Christoph, Elsässer, Robert
Format:	Journal Article
Sprache:	Englisch
Veröffentlicht:	Elsevier B.V 01.11.2023
Schlagworte:	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
Online-Zugang:	Volltext
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Schreiben Sie den ersten Kommentar!