大学院
HOME 大学院 ハイブリッド分散並列コンピューティング
過去(2022年度)の授業の情報です
学内のオンライン授業の情報漏洩防止のため,URLやアカウント、教室の記載は削除しております。
最終更新日:2023年10月20日

授業計画や教室は変更となる可能性があるため、必ずUTASで最新の情報を確認して下さい。
UTASにアクセスできない方は、担当教員または部局教務へお問い合わせ下さい。

ハイブリッド分散並列コンピューティング

並列計算プログラミング技法に関する講義、実習を実施する。並列計算に広く使用されているMPI(Message Passing Interface), OpenMPを使用したプログラミングを中心に扱う。様々な計算機における最適化技術についても併せて講義,実習を実施する。プログラミング実習には東大情報基盤センターのWisteria/BDEC-01(Odyssey)を使用する。ターゲットとするアプリケーションは有限要素法による一次元及び三次元定常熱伝導解析プログラムであり,背景となる基礎的な理論から,実用的なプログラムの作成法まで,連立一次方程式解法などの周辺技術も含めて講義を実施する。

Lectures and hands-on exercises on parallel programming methods for large-scale scientific computing will be provided. This class focuses of programming using MPI (Message Passing Interface) and OpenMP, which is widely used method for “de facto standard” of parallel programming. Lectures on optimization methods on various types of architectures are also given.Wisteria/BDEC-01(Odyssey) at ITC is available for hands-on exercises. Target applications are 1D/3D codes for steady-state heat transfer by finite-element method (FEM). This class covers wide range of topics related to FEM, such as fundamental mathematical theory, programming method, and solving large-scale linear equation.
MIMA Search
時間割/共通科目コード
コース名
教員
学期
時限
3747-111
GEN-EE6d13L1
ハイブリッド分散並列コンピューティング
中島 研吾
A1 A2
水曜1限
マイリストに追加
マイリストから削除
講義使用言語
日本語
単位
2
実務経験のある教員による授業科目
NO
他学部履修
開講所属
工学系研究科
授業計画
・High-Performance Computingの現状と動向 ・一次元及び三次元有限要素法 ・MPIを使用した並列プログラミングの基礎 ・OpenMPを使用した並列プログラミングの基礎 ・MPI,OpenMPを使用したアプリケーションの開発実習(有限要素法) ・チューニング入門 ・最近の話題 - Overview of High-Performance Computing (HPC) - 1D & 3D Finite-Element Method (FEM) - Parallel Programming using MPI - Parallel Programming using OpenMP - Development of Scientific Applications using MPI and OpenMP (FEM) - Introduction to Tuning - Advanced Topics
授業の方法
08:30-10:15 (105 minutes)
成績評価方法
課題レポート Reports
履修上の注意
実践力をつける
その他
前提となる知識と項目:・大学教養程度の物理,数学,基礎的数値解析(ガウスの消去法,SOR法等)の知識 ・UNIXの基本的な知識と利用経験(viまたはemacsを最低限使えること) ・CまたはFortranの基本的な知識と利用経験 【Prerequisites】 - Knowledge and experiences in fundamental methods for numerical analysis (e.g. Gaussian elimination, SOR) - Knowledge and experiences in UNIX (experiences in vi or emacs are minimum requirement) - Experiences in programming using Fortran or C