Corsi di Laurea Corsi di Laurea Magistrale Corsi di Laurea Magistrale
a Ciclo Unico
Scuola di Ingegneria
MATHEMATICAL ENGINEERING - INGEGNERIA MATEMATICA
Insegnamento
NUMERICAL METHODS FOR HIGH PERFORMANCE COMPUTING
INP5070472, A.A. 2017/18

Informazioni valide per gli studenti immatricolati nell'A.A. 2016/17

Principali informazioni sull'insegnamento
Corso di studio Corso di laurea magistrale in
MATHEMATICAL ENGINEERING - INGEGNERIA MATEMATICA (Ord. 2015)
IN2191, ordinamento 2015/16, A.A. 2017/18
N0
porta questa
pagina con te
Curriculum MATHEMATICAL MODELLING FOR ENGINEERING AND SCIENCE [001PD]
Crediti formativi 6.0
Tipo di valutazione Voto
Denominazione inglese NUMERICAL METHODS FOR HIGH PERFORMANCE COMPUTING
Dipartimento di riferimento Dipartimento di Ingegneria Civile, Edile e Ambientale (ICEA)
Obbligo di frequenza No
Lingua di erogazione INGLESE
Sede PADOVA

Docenti
Nessun docente assegnato all'insegnamento

Dettaglio crediti formativi
Tipologia Ambito Disciplinare Settore Scientifico-Disciplinare Crediti
CARATTERIZZANTE Discipline matematiche, fisiche e informatiche MAT/08 6.0

Modalità di erogazione
Periodo di erogazione Secondo semestre
Anno di corso II Anno
Modalità di erogazione frontale

Organizzazione della didattica
Tipo ore Crediti Ore di
Corso
Ore Studio
Individuale
Turni
LEZIONE 6.0 48 102.0 Nessun turno

Calendario
Inizio attività didattiche 26/02/2018
Fine attività didattiche 01/06/2018

Syllabus
Prerequisiti: Numerical Methods for Differential Equations
Conoscenze e abilita' da acquisire: Il corso mira all'acquisizione delle nozioni di base del calcolo ad alte prestazioni e la conoscenza pratica e la sperimentazione dei principali algoritmi della programmazione parallela. Saranno esaminati i kernel numerici piĆ¹ diffusi nei codici di calcolo ingegneristici.
Modalita' di esame:
Criteri di valutazione:
Contenuti: 1. Algebra lineare numerica avanzata: metodi proiettivi per sistemi non-simmetrici (Bi-CG, QMR) e problemi agli autovalori (Metodo delle potenze, Metodo QR, Lanczos, DACG);
2. Multigrid;
3. Tecniche di precondizionamento: ILU, inverse approssimate, AMG;
4. Analisi numerica in parallelo: concetti base, operazioni, comunicazione dei dati e strutture dati;
5. Paradigmi per la programmazione parallela: gli standard OpenMP e Message Passing Interface;
6. Implementazione parallela: kernel di algebra lineare sparsa, metodi iterativi e domain decomposition.
Attivita' di apprendimento previste e metodologie di insegnamento:
Eventuali indicazioni sui materiali di studio:
Testi di riferimento: