Opis projektu
Zrozumienie granic niedokładności może pomóc w opracowaniu wydajniejszych algorytmów dla systemów eksaskalowych
Obliczenia macierzowe to operacje stosowane rutynowo w bardzo wielu dziedzinach. Jako że wielkimi krokami zbliża się era obliczeń eksaskalowych – a tym samym macierzy w eksaskali – będzie to generowało niewyobrażalne obciążenia. Typowym podejściem do ich zmniejszenia jest wprowadzanie niedokładnych lub przybliżonych obliczeń macierzowych. Aby jednak mieć pewność, że niedokładności pochodzące z wielu źródeł, rozprzestrzeniające się w eksaskalowych obliczeniach macierzy, nie będą prowadzić do mylnych wniosków, które wyciągane są na podstawie wyników, potrzebne jest systematyczne podejście do analizy wielu źródeł niedokładności jednocześnie i badanie ich interakcji. W ramach finansowanego przez Europejską Radę ds. Badań Naukowych projektu inEXASCALE kombinacja błędów pochodzących z wielu źródeł zostanie poddana skrupulatnej analizie, przy czym zespół projektu oceni również wpływ błędów na zachowanie numeryczne i jakość rozwiązań w obliczeniach macierzowych. Prace ta mogą doprowadzić do stworzenia nowych algorytmów na potrzeby rozwiązywania problemów eksaskalowych, które wykorzystują niedokładność w celu zrównoważenia wydajności i dokładności.
Cel
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.
Dziedzina nauki
Słowa kluczowe
Program(-y)
- HORIZON.1.1 - European Research Council (ERC) Main Programme
Temat(-y)
System finansowania
HORIZON-ERC - HORIZON ERC GrantsInstytucja przyjmująca
116 36 Praha 1
Czechy