Descrizione del progetto
Comprendere i limiti dell’inesattezza potrebbe portare ad algoritmi più efficienti per l’esascala
I calcoli matriciali sono comuni in molti campi. Ci stiamo avviando verso l’era del calcolo a esascala e delle matrici di livello esascala, che richiederanno carichi di lavoro quasi impensabili. Un modo comune per ridurre questo carico di lavoro è quello di introdurre calcoli matriciali inesatti o approssimativi. Ma per garantire che l’inesattezza proveniente da più fonti che si propagano attraverso i calcoli matriciali a esascala non confonda le conclusioni che traiamo dai risultati, abbiamo bisogno di un approccio sistematico per analizzare più fonti di inesattezza insieme e studiare la loro interazione. Finanziato dal Consiglio europeo della ricerca, il progetto inEXASCALE analizzerà in modo rigoroso la combinazione di errori provenienti da più fonti e valuterà il loro effetto sul comportamento numerico e sulla qualità della soluzione nei calcoli matriciali. Questo potrebbe portare a nuovi algoritmi per problemi a esascala che sfruttano l’inesattezza per bilanciare prestazioni e precisione.
Obiettivo
Scientific computing inherently involves multiple sources of inexactness, from discretization or simplification of the problem, to noisy data, to finite precision rounding errors, to approximations made to increase parallelism, to stopping computations intentionally to improve efficiency. The standard state-of-the-art approach is to analyze different sources of error separately. There is currently no solid foundation or systematic approach for combining multiple sources of inexactness together and studying their interaction. Developing reliable approaches for exascale requires filling this gap, which must start with establishing a new rigorous foundation for analyzing multiple sources of error in matrix computations. Without this basis, the quest for efficiency in areas vitally depending on matrix computations, including, for example, data science and machine learning, will remain reliant on a trial-and-error approach.
This project aims to break the current modular approach to the analysis and design of algorithms for matrix computations by understanding how different sources of inexactness interact while being propagated through a computation and their effect on numerical behavior and solution quality. Our holistic approach, rooted in rigorous theoretical analysis, will reveal opportunities for developing new algorithms for exascale problems that exploit inexactness to balance performance and accuracy.
The project is structured around four fundamental objectives:
WP1: Analysis of exascale matrix computations subject to multiple sources of inexactness
WP2: Development of new algorithms that exploit inexactness that are both fast and provably accurate
WP3: Making error analysis of exascale computations meaningful in practice
WP4: Exploring emerging sources of inexactness beyond the exascale era
Our approach will lead to new methodologies that can change current paradigms.
Campo scientifico
Parole chiave
Programma(i)
- HORIZON.1.1 - European Research Council (ERC) Main Programme
Argomento(i)
Meccanismo di finanziamento
HORIZON-ERC - HORIZON ERC GrantsIstituzione ospitante
116 36 Praha 1
Cechia