Giles M. An Analytical Study of Loop Tiling for a Large-Scale Unstructured Mesh Application. (2012) Megjelent: 2012 SC Companion pp. 477-482, 2545299
Könyvrészlet/Konferenciaközlemény (Könyvrészlet)/Tudományos[2545299]
  1. P Nagar. LBM-IB: A Parallel Library to Solve 3D Fluid-Structure Interaction Problems on Manycore Systems. (2015) Megjelent: 2015 44th International Conference on Parallel Processing pp. 51-60
    Könyvrészlet/Tudományos[26990722] [Jóváhagyott]
    Független, Idéző: 26990722, Kapcsolat: 26990722
  2. Bunt R et al. Model-led optimisation of a geometric multigrid application. (2014) Megjelent: 15th IEEE International Conference on High Performance Computing and Communications, HPCC 2013 and 11th IEEE/IFIP International... pp. 742-753
    Könyvrészlet/Konferenciaközlemény (Könyvrészlet)/Tudományos[24174809] [Admin láttamozott]
    Független, Idéző: 24174809, Kapcsolat: 24174809
  3. Kamal Gopal. Locality Transformations of Computation and Data for Portable Performance. (2014)
    Disszertáció/Tudományos[26990723] [Jóváhagyott]
    Független, Idéző: 26990723, Kapcsolat: 26990723
Mudalige GR et al. OP2: An active library framework for solving unstructured mesh-based applications on multi-core and many-core architectures. (2012) Megjelent: Innovative Parallel Computing (InPar), 2012, 2724106
Könyvrészlet/Konferenciaközlemény (Könyvrészlet)/Tudományos[2724106]
  1. Liu Hongbin et al. UNAT: UNstructured Acceleration Toolkit on SW26010 many-core processor. (2020) ENGINEERING COMPUTATIONS 0264-4401 ahead-of-print ahead-of-print
    Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[31303575] [Import]
    Független, Idéző: 31303575, Kapcsolat: 28982647
  2. Luo Gan et al. Mesh Coarsening for Fast Simulation on Low Resource Machine. (2020) IOP CONFERENCE SERIES: MATERIALS SCIENCE AND ENGINEERING 1757-8981 1757-899X 790 p. 012128
    Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[31277582] [Import]
    Független, Idéző: 31277582, Kapcsolat: 28949891
  3. Groth Stefan et al. A Runtime System for Finite Element Methods in a Partitioned Global Address Space. (2020) ISBN:9781450379564
    Könyv/Tudományos[31325718] [Import]
    Független, Idéző: 31325718, Kapcsolat: 29011419
  4. Deakin T. et al. Performance Portability across Diverse Computer Architectures. (2019)
    Könyv/Tudományos[31156260] [Jóváhagyott]
    Független, Idéző: 31156260, Kapcsolat: 28782464
  5. Irina Demeshko et al. Toward performance portability of the Albany finite element analysis code using the Kokkos library. (2018) INTERNATIONAL JOURNAL OF HIGH PERFORMANCE COMPUTING APPLICATIONS 1094-3420 pp p. 1094342017749957
    Folyóiratcikk/Tudományos[27202806] [Jóváhagyott]
    Független, Idéző: 27202806, Kapcsolat: 27202806
  6. Hadade Ioan et al. Some useful optimisations for unstructured computational fluid dynamics codes on multicore and manycore architectures. (2018) COMPUTER PHYSICS COMMUNICATIONS 0010-4655 InPress p. 1
    Folyóiratcikk/Tudományos[27473576] [Érvényesített]
    Független, Idéző: 27473576, Kapcsolat: 27473576
  7. Ryoo J. et al. Quantifying and Optimizing Data Access Parallelism on Manycores. (2018)
    Könyv/Tudományos[30809195] [Jóváhagyott]
    Független, Idéző: 30809195, Kapcsolat: 28311854
  8. Jum’ah Nabeeh et al. Performance Portability of Earth System Models with User-Controlled GGDML Code Translation. (2018) ISBN:9783030024659
    Könyv/Tudományos[30809204] [Jóváhagyott]
    Független, Idéző: 30809204, Kapcsolat: 28311863
  9. Al Farhan Mohammed A. et al. Optimizations of Unstructured Aerodynamics Computations for Many-core Architectures. (2018) IEEE TRANSACTIONS ON PARALLEL AND DISTRIBUTED SYSTEMS 1045-9219 29 10 2317-2332
    Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[30639581] [Jóváhagyott]
    Független, Idéző: 30639581, Kapcsolat: 28311853
  10. L. Harrell S. et al. Effective Performance Portability. (2018)
    Könyv/Tudományos[30809202] [Jóváhagyott]
    Független, Idéző: 30809202, Kapcsolat: 28311861
  11. Schmitt C. et al. Automating the Development of High-Performance Multigrid Solvers. (2018) PROCEEDINGS OF THE IEEE 0018-9219 106 11 1969-1984
    Folyóiratcikk/Konferenciaközlemény (Folyóiratcikk)/Tudományos[30809200] [Jóváhagyott]
    Független, Idéző: 30809200, Kapcsolat: 28311857
  12. Pennycook SJ et al. Implications of a metric for performance portability. (2017) FUTURE GENERATION COMPUTER SYSTEMS 0167-739X 1872-7115 1 p. 1
    Folyóiratcikk/Tudományos[26990410] [Jóváhagyott]
    Független, Idéző: 26990410, Kapcsolat: 26990410
  13. Jumah Nabeeh et al. GGDML: Icosahedral Models Language Extensions. (2017)
    Egyéb/Tudományos[26990559] [Jóváhagyott]
    Független, Idéző: 26990559, Kapcsolat: 26990406
  14. Aurentz Jared L et al. Cucheb: A GPU implementation of the filtered Lanczos procedure. (2017) COMPUTER PHYSICS COMMUNICATIONS 0010-4655 220 Supplement C 332-340
    Folyóiratcikk/Tudományos[26990373] [Jóváhagyott]
    Független, Idéző: 26990373, Kapcsolat: 26990407
  15. Zahra Khatami. Compiler and Runtime Optimization Techniques for Implementation Scalable Parallel Applications. (2017)
    Disszertáció/PhD (Disszertáció)/Tudományos[26990414] [Jóváhagyott]
    Független, Idéző: 26990414, Kapcsolat: 26990414
  16. Thébault Loïc et al. Asynchronous and multithreaded communications on irregular applications using vectorized divide and conquer approach. (2017) JOURNAL OF PARALLEL AND DISTRIBUTED COMPUTING 0743-7315 1 p. 1
    Folyóiratcikk/Tudományos[27010706] [Jóváhagyott]
    Független, Idéző: 27010706, Kapcsolat: 27010704
  17. Z Khatami et al. Using HPX and OP2 for Improving Parallel Scaling Performance of Unstructured Grid Applications. (2016) Megjelent: 2016 45th International Conference on Parallel Processing Workshops (ICPPW) pp. 190-199
    Egyéb konferenciaközlemény/Tudományos[26421389] [Jóváhagyott]
    Független, Idéző: 26421389, Kapcsolat: 26421389
  18. Lange M. Efficient mesh management in Firedrake using PETSc-DMPlex. (2016) SIAM JOURNAL ON SCIENTIFIC AND STATISTICAL COMPUTING 0196-5204 35 5 143-155
    Folyóiratcikk/Tudományos[25390435] [Jóváhagyott]
    Független, Idéző: 25390435, Kapcsolat: 25390435
  19. M Lange et al. Devito: Towards a Generic Finite Difference DSL Using Symbolic Python. (2016) Megjelent: 2016 6th Workshop on Python for High-Performance and Scientific Computing (PyHPC) pp. 67-75
    Egyéb konferenciaközlemény/Tudományos[26421345] [Jóváhagyott]
    Független, Idéző: 26421345, Kapcsolat: 26421345
  20. Treichler Sean. Dependent Partitioning. (2016) Megjelent: Proceedings of the 2016 ACM SIGPLAN International Conference on Object-Oriented Programming, Systems, Languages, and Applications pp. 344--358
    Könyvrészlet/Tudományos[26421356] [Jóváhagyott]
    Független, Idéző: 26421356, Kapcsolat: 26421356
  21. Delestre Olivier. Comparison and Validation of Two Parallelization Approaches of FullSWOF_2D Software on a Real Case. (2016) Megjelent: Advances in Hydroinformatics pp. 395-407
    Könyvrészlet/Könyvfejezet (Könyvrészlet)/Tudományos[25390815] [Jóváhagyott]
    Független, Idéző: 25390815, Kapcsolat: 25390815
  22. Aumage Olivier. A Stencil DSEL for Single Code Accelerated Computing with SYCL. (2016) Megjelent: SYCL 2016 1st SYCL Programming Workshop during the 21st ACM SIGPLAN Symposium on Principles and Practice of Parallel Programming p. 1
    Egyéb konferenciaközlemény/Tudományos[26421405] [Jóváhagyott]
    Független, Idéző: 26421405, Kapcsolat: 26421405
  23. Punzalan FR et al. Program code generator for cardiac electrophysiology simulation with automatic PDE boundary condition handling. (2015) PLOS ONE 1932-6203 1932-6203 10 9
    Folyóiratcikk/Tudományos[25390428] [Jóváhagyott]
    Független, Idéző: 25390428, Kapcsolat: 25390428
  24. Chen Linchuan. A Pattern Specification and Optimizations Framework for Accelerating Scientific Computations on Heterogeneous Clusters. (2015) Megjelent: Parallel and Distributed Processing Symposium (IPDPS), 2015 IEEE International pp. 591-600
    Egyéb konferenciaközlemény/Konferenciaközlemény (Egyéb konferenciaközlemény)/Tudományos[25390430] [Jóváhagyott]
    Független, Idéző: 25390430, Kapcsolat: 25390430
  25. Cohen Jeremy. Simplifying the Development, Use and Sustainability of HPC Software. (2014) Journal of Open Research Software 2049-9647 2 1 p. 1
    Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[26421378] [Jóváhagyott]
    Független, Idéző: 26421378, Kapcsolat: 26421378
  26. Coullon H et al. Implementation and performance analysis of SkelGIS for network mesh-based simulations. (2014) LECTURE NOTES IN ARTIFICIAL INTELLIGENCE 0302-9743 8632 LNCS 439-450
    Folyóiratcikk/Tudományos[24177337] [Admin láttamozott]
    Független, Idéző: 24177337, Kapcsolat: 24177337
  27. Coullon H. Blood flow arterial network simulation with the implicit parallelism library SkelGIS. (2014) Megjelent: 14th Annual International Conference on Computational Science, ICCS 2014 pp. 102-112
    Egyéb konferenciaközlemény/Konferenciaközlemény (Egyéb konferenciaközlemény)[24177338] [Admin láttamozott]
    Független, Idéző: 24177338, Kapcsolat: 24177338
  28. Jackson A. Optimised Hybrid Parallelisation of a CFD Code on Many Core Architectures. (2013) Megjelent: Symbolic and Numeric Algorithms for Scientific Computing (SYNASC), 2013 15th International Symposium on pp. 488-495
    Egyéb konferenciaközlemény/Konferenciaközlemény (Egyéb konferenciaközlemény)/Tudományos[25390431] [Jóváhagyott]
    Független, Idéző: 25390431, Kapcsolat: 25390431
Reguly I et al. Efficient sparse matrix-vector multiplication on cache-based GPUs. (2012) Megjelent: Innovative Parallel Computing (InPar), 2012, 2724105
Könyvrészlet/Konferenciaközlemény (Könyvrészlet)/Tudományos[2724105]
  1. Banaś K. et al. Optimal Kernel Design for Finite Element Numerical Integration on GPUs. (2019) COMPUTING IN SCIENCE & ENGINEERING 1521-9615 1-1
    Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[31238917] [Import]
    Független, Idéző: 31238917, Kapcsolat: 28896688
  2. S Sanfui. GPU Acceleration of Local Matrix Generation in FEA by Utilizing Sparsity Pattern. (2018) Megjelent: INCOM18: Proceedings of the 1st International Conference on Mechanical Engineering pp. 1-4
    Egyéb konferenciaközlemény/Konferenciaközlemény (Egyéb konferenciaközlemény)/Tudományos[27187096] [Jóváhagyott]
    Független, Idéző: 27187096, Kapcsolat: 27187096
  3. Mahmoud Mohammed et al. Developing a New Storage Format and a Warp-Based SpMV Kernel for Configuration Interaction Sparse Matrices on the GPU. (2018) COMPUTATION 2079-3197 6 3 p. 1
    Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[27617342] [Jóváhagyott]
    Független, Idéző: 27617342, Kapcsolat: 27617342
  4. Filippone Salvatore. Sparse Matrix-Vector Multiplication on GPGPUs. (2017)
    Egyéb/Tudományos[26420875] [Jóváhagyott]
    Független, Idéző: 26420875, Kapcsolat: 26420875
  5. Liu Yongchao et al. LightSpMV: Faster CUDA-Compatible Sparse Matrix-Vector Multiplication Using Compressed Sparse Rows. (2017) JOURNAL OF SIGNAL PROCESSING SYSTEMS FOR SIGNAL IMAGE AND VIDEO TECHNOLOGY 1939-8018 1939-8115 In Press 1-18
    Folyóiratcikk/Tudományos[26420839] [Jóváhagyott]
    Független, Idéző: 26420839, Kapcsolat: 26420839
  6. Thomas Gilray. INTROSPECTIVE POLYVARIANCE FOR CONTROL-FLOW ANALYSES. (2017)
    Disszertáció/PhD (Disszertáció)/Tudományos[26990382] [Jóváhagyott]
    Független, Idéző: 26990382, Kapcsolat: 26990382
  7. Miki Yohei et al. GOTHIC: Gravitational oct-tree code accelerated by hierarchical time step controlling. (2017) NEW ASTRONOMY 1384-1076 1384-1092 52 65-81
    Folyóiratcikk/Tudományos[26420888] [Jóváhagyott]
    Független, Idéző: 26420888, Kapcsolat: 26420888
  8. Aurentz Jared L et al. Cucheb: A GPU implementation of the filtered Lanczos procedure. (2017) COMPUTER PHYSICS COMMUNICATIONS 0010-4655 220 Supplement C 332-340
    Folyóiratcikk/Tudományos[26990373] [Jóváhagyott]
    Független, Idéző: 26990373, Kapcsolat: 26990373
  9. Aissa Mohamed et al. Acceleration of Turbomachinery Steady Simulations on GPU. (2017) Megjelent: Euro-Par 2016: Parallel Processing Workshops pp. 814-825
    Könyvrészlet/Tudományos[26990374] [Jóváhagyott]
    Független, Idéző: 26990374, Kapcsolat: 26990374
  10. Naseraddin Sedaghati. Performance Optimization of Memory-Bound Programs on Data Parallel Accelerators. (2016)
    Disszertáció/PhD (Disszertáció)/Tudományos[26990376] [Jóváhagyott]
    Független, Idéző: 26990376, Kapcsolat: 26990376
  11. Craig Jonathan. Parallel computation techniques for virtual acoustics and physical modelling synthesis. (2016)
    Disszertáció/PhD (Disszertáció)/Tudományos[26990369] [Jóváhagyott]
    Független, Idéző: 26990369, Kapcsolat: 26990369
  12. Lamas Daviña A et al. Optimized analysis of isotropic high-nuclearity spin clusters with GPU acceleration. (2016) COMPUTER PHYSICS COMMUNICATIONS 0010-4655 209 70-78
    Folyóiratcikk/Tudományos[26420904] [Jóváhagyott]
    Független, Idéző: 26420904, Kapcsolat: 26420904
  13. Lamas Daviña. GPU Implementation of Krylov Solvers for Block-Tridiagonal Eigenvalue Problems. (2016) Megjelent: Parallel Processing and Applied Mathematics: 11th International Conference, PPAM 2015, Krakow, Poland, September 6-9, 2015. Rev... pp. 182-191
    Könyvrészlet/Tudományos[26420892] [Jóváhagyott]
    Független, Idéző: 26420892, Kapcsolat: 26420892
  14. Wozniak Bartosz D et al. GiMMiK—Generating bespoke matrix multiplication kernels for accelerators: Application to high-order Computational Fluid Dynamics. (2016) COMPUTER PHYSICS COMMUNICATIONS 0010-4655 PP p. 1
    Folyóiratcikk/Tudományos[25390799] [Jóváhagyott]
    Független, Idéző: 25390799, Kapcsolat: 25390799
  15. Langdon William B et al. Genetic improvement of GPU software. (2016) GENETIC PROGRAMMING AND EVOLVABLE MACHINES 1389-2576 In Press 1-40
    Folyóiratcikk/Tudományos[26420847] [Jóváhagyott]
    Független, Idéző: 26420847, Kapcsolat: 26420847
  16. Banaś Krzysztof et al. Finite element core calculations and stream processing. (2016) Computer Methods in Materials Science 1641-8581 16 213-223
    Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[31240781] [Import]
    Független, Idéző: 31240781, Kapcsolat: 28899052
  17. Gao Jiaquan. Efficient CSR-Based Sparse Matrix-Vector Multiplication on GPU. (2016)
    Egyéb/Tudományos[26420900] [Jóváhagyott]
    Független, Idéző: 26420900, Kapcsolat: 26420900
  18. King James. Dynamic Sparse-Matrix Allocation on GPUs. (2016) Megjelent: High Performance Computing: 31st International Conference, ISC High Performance 2016, Frankfurt, Germany, June 19-23, 2016, Pro... pp. 61-80
    Könyvrészlet/Tudományos[26420855] [Jóváhagyott]
    Független, Idéző: 26420855, Kapcsolat: 26420855
  19. Greathouse JL. Structural agnostic SpMV: Adapting CSR-adaptive for irregular matrices. (2015) Megjelent: Proceedings of the 2015 IEEE International Conference on High Performance Computing (HiPC 2015) pp. 64-74
    Egyéb konferenciaközlemény/Konferenciaközlemény (Egyéb konferenciaközlemény)/Tudományos[25390800] [Jóváhagyott]
    Független, Idéző: 25390800, Kapcsolat: 25390800
  20. Liu W et al. Speculative segmented sum for sparse matrix-vector multiplication on heterogeneous processors. (2015) PARALLEL COMPUTING 0167-8191 49 179-193
    Folyóiratcikk/Tudományos[25390266] [Jóváhagyott]
    Független, Idéző: 25390266, Kapcsolat: 25390266
  21. Liu Lifeng. LSRB-CSR: A Low Overhead Storage Format for SpMV on the GPU Systems. (2015) Megjelent: Parallel and Distributed Systems (ICPADS), 2015 IEEE 21st International Conference on pp. 733-741
    Egyéb konferenciaközlemény/Konferenciaközlemény (Egyéb konferenciaközlemény)/Tudományos[25390801] [Jóváhagyott]
    Független, Idéző: 25390801, Kapcsolat: 25390801
  22. L Liu. LSRB-CSR: A Low Overhead Storage Format for SpMV on the GPU Systems. (2015) Megjelent: 2015 IEEE 21st International Conference on Parallel and Distributed Systems (ICPADS) pp. 733-741
    Egyéb konferenciaközlemény/Tudományos[26420909] [Jóváhagyott]
    Független, Idéző: 26420909, Kapcsolat: 26420909
  23. Liu Yongchao. LightSpMV: faster CSR-based sparse matrix-vector multiplication on CUDA-enabled GPUs. (2015) Megjelent: Application-specific Systems, Architectures and Processors (ASAP), 2015 IEEE 26th International Conference on pp. 82-89
    Egyéb konferenciaközlemény/Konferenciaközlemény (Egyéb konferenciaközlemény)/Tudományos[25390802] [Jóváhagyott]
    Független, Idéző: 25390802, Kapcsolat: 25390802
  24. Sedaghati Naser. Characterizing dataset dependence for sparse matrix-vector multiplication on gpus. (2015) Megjelent: PPAA 2015 Proceedings of the 2nd Workshop on Parallel Programming for Analytics Applications pp. 17--24
    Könyvrészlet/Konferenciaközlemény (Könyvrészlet)/Tudományos[25390803] [Jóváhagyott]
    Független, Idéző: 25390803, Kapcsolat: 25390803
  25. Sedaghati Naser. Automatic selection of sparse matrix representation on GPUs. (2015) Megjelent: Proceedings of the 29th ACM on International Conference on Supercomputing pp. 99--108
    Könyvrészlet/Konferenciaközlemény (Könyvrészlet)/Tudományos[25390804] [Jóváhagyott]
    Független, Idéző: 25390804, Kapcsolat: 25390804
  26. Ashari A et al. A model-driven blocking strategy for load balanced sparse matrix-vector multiplication on GPUs. (2015) JOURNAL OF PARALLEL AND DISTRIBUTED COMPUTING 0743-7315 76 3-15
    Folyóiratcikk/Tudományos[25390267] [Jóváhagyott]
    Független, Idéző: 25390267, Kapcsolat: 25390267
  27. Guo Dahai. A hybrid format for better performance of sparse matrix-vector multiplication on a GPU. (2015) INTERNATIONAL JOURNAL OF HIGH PERFORMANCE COMPUTING APPLICATIONS 1094-3420 PP p. 1094342015593156
    Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[25390805] [Jóváhagyott]
    Független, Idéző: 25390805, Kapcsolat: 25390805
  28. Zardoshti Pantea et al. Adaptive sparse matrix representation for efficient matrix–vector multiplication. (2015) JOURNAL OF SUPERCOMPUTING 0920-8542 1573-0484 pp 1--21
    Folyóiratcikk/Tudományos[25390282] [Jóváhagyott]
    Független, Idéző: 25390282, Kapcsolat: 25390282
  29. Ohshima S. Performance Optimization of SpMV Using CRS Format by Considering OpenMP Scheduling on CPUs and MIC. (2014) Megjelent: Embedded Multicore/Manycore SoCs (MCSoc), 2014 IEEE 8th International Symposium on pp. 253-260
    Egyéb konferenciaközlemény/Konferenciaközlemény (Egyéb konferenciaközlemény)/Tudományos[25390283] [Jóváhagyott]
    Független, Idéző: 25390283, Kapcsolat: 25390283
  30. Ashari A. Fast Sparse Matrix-Vector Multiplication on GPUs for Graph Applications. (2014) Megjelent: International Conference for High Performance Computing, Networking, Storage and Analysis, SC 2014 pp. 781-792
    Egyéb konferenciaközlemény/Konferenciaközlemény (Egyéb konferenciaközlemény)/Tudományos[25390268] [Jóváhagyott]
    Független, Idéző: 25390268, Kapcsolat: 25390268
  31. Greathouse Joseph. Efficient sparse matrix-vector multiplication on GPUs using the CSR storage format. (2014) Megjelent: SC '14 Proceedings of the International Conference for High Performance Computing, Networking, Storage and Analysis pp. 769-780
    Könyvrészlet/Konferenciaközlemény (Könyvrészlet)/Tudományos[25390806] [Jóváhagyott]
    Független, Idéző: 25390806, Kapcsolat: 25390806
  32. Mittal S. A survey of techniques for managing and leveraging caches in GPUs. (2014) JOURNAL OF CIRCUITS SYSTEMS AND COMPUTERS 0218-1266 1793-6454 23 8
    Folyóiratcikk/Tudományos[24177932] [Admin láttamozott]
    Független, Idéző: 24177932, Kapcsolat: 24177932
  33. Ashari A. An efficient two-dimensional blocking strategy for sparse matrix-vector multiplication on GPUs. (2014) Megjelent: 28th ACM International Conference on Supercomputing, ICS 2014 pp. 273-282
    Könyvrészlet/Konferenciaközlemény (Könyvrészlet)/Tudományos[24177931] [Admin láttamozott]
    Független, Idéző: 24177931, Kapcsolat: 24177931
  34. Rodrigues Walter et al. Accelerating atomistic calculations of quantum energy eigenstates on graphic cards. (2014) COMPUTER PHYSICS COMMUNICATIONS 0010-4655 185 10 2510--2518
    Folyóiratcikk/Tudományos[25390284] [Jóváhagyott]
    Független, Idéző: 25390284, Kapcsolat: 25390284
  35. Mukunoki Daichi. Using Quadruple Precision Arithmetic to Accelerate Krylov Subspace Methods on GPUs. (2013) Megjelent: Parallel Processing and Applied Mathematics pp. 632--642
    Könyvrészlet[25390807] [Jóváhagyott]
    Független, Idéző: 25390807, Kapcsolat: 25390807
  36. Mukunoki Daichi. Optimization of sparse matrix-vector multiplication for CRS format on NVIDIA Kepler architecture GPUs. (2013) Megjelent: Computational Science and Its Applications–ICCSA 2013 pp. 211--223
    Könyvrészlet[25390808] [Jóváhagyott]
    Független, Idéző: 25390808, Kapcsolat: 25390808
  37. Muller Eike. Matrix-free GPU Implementation of a Preconditioned Conjugate Gradient Solver for Anisotropic Elliptic PDEs. (2013) Comput. Vis. Sci. 16 2 41--58
    Folyóiratcikk/Tudományos[25390285] [Jóváhagyott]
    Független, Idéző: 25390285, Kapcsolat: 25390285
  38. Ford R. Gung Ho: A code design for weather and climate prediction on exascale machines. (2013) Megjelent: Proceedings of the Exascale Applications and Software Conference pp. 1-19
    Egyéb konferenciaközlemény/Tudományos[25390809] [Jóváhagyott]
    Független, Idéző: 25390809, Kapcsolat: 25390809
  39. Maggioni Marco et al. An Architecture-aware Technique for Optimizing Sparse Matrix-vector Multiplication on GPUs. (2013) PROCEDIA COMPUTER SCIENCE 1877-0509 18 329-338
    Folyóiratcikk/Tudományos[26420864] [Jóváhagyott]
    Független, Idéző: 26420864, Kapcsolat: 26420864
G R Mudalige et al. Design and initial performance of a high-level unstructured mesh framework on heterogeneous parallel systems. (2013) PARALLEL COMPUTING 0167-8191 39 11 669-692, 2545159
Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[2545159]
  1. Liu Hongbin et al. UNAT: UNstructured Acceleration Toolkit on SW26010 many-core processor. (2020) ENGINEERING COMPUTATIONS 0264-4401 ahead-of-print ahead-of-print
    Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[31303575] [Import]
    Független, Idéző: 31303575, Kapcsolat: 28982644
  2. Liu Hongbin et al. UNAT: UNstructured Acceleration Toolkit on SW26010 many-core processor. (2020) ENGINEERING COMPUTATIONS 0264-4401
    Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[31501398] [Érvényesített]
    Független, Idéző: 31501398, Kapcsolat: 29262890
  3. Henriksen Troels et al. Incremental Flattening for Nested Data Parallelism. (2019) ISBN:9781450362252
    Könyv/Tudományos[30809536] [Jóváhagyott]
    Független, Idéző: 30809536, Kapcsolat: 28312298
  4. Z Khatami et al. Using HPX and OP2 for Improving Parallel Scaling Performance of Unstructured Grid Applications. (2016) Megjelent: 2016 45th International Conference on Parallel Processing Workshops (ICPPW) pp. 190-199
    Egyéb konferenciaközlemény/Tudományos[26421392] [Jóváhagyott]
    Független, Idéző: 26421392, Kapcsolat: 26421392
  5. Mei Gang et al. Impact of data layouts on the efficiency of GPU-accelerated IDW interpolation. (2016) SPRINGERPLUS 2193-1801 5 %@ 2193-1801 1 p. 104
    Folyóiratcikk/Tudományos[25390253] [Admin láttamozott]
    Független, Idéző: 25390253, Kapcsolat: 25390253
  6. Huismann Immo et al. Two-level parallelization of a fluid mechanics algorithm exploiting hardware heterogeneity. (2015) COMPUTERS AND FLUIDS 0045-7930 117 114-124
    Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[25323345] [Admin láttamozott]
    Független, Idéző: 25323345, Kapcsolat: 25323345
  7. McCormick P. Exploring the Construction of a Domain-Aware Toolchain for High-Performance Computing. (2014) Megjelent: 4th International Workshop on Domain-Specific Languages and High-Level Frameworks for High Performance Computing, WOLFHPC 2014 ... pp. 1-10
    Könyvrészlet/Konferenciaközlemény (Könyvrészlet)/Tudományos[25390235] [Admin láttamozott]
    Független, Idéző: 25390235, Kapcsolat: 25390235
  8. Mei G et al. A Generic Paradigm for Accelerating Laplacian-Based Mesh Smoothing on the GPU. (2014) ARABIAN JOURNAL FOR SCIENCE AND ENGINEERING 2193-567X 2191-4281 1319-8025 39 11 7907-7921
    Folyóiratcikk/Tudományos[24784019] [Admin láttamozott]
    Független, Idéző: 24784019, Kapcsolat: 24784517
  9. Strout Michelle. Compilers for regular and irregular stencils: Some shared problems and solutions. (2013) Megjelent: Proceedings of Workshop on Optimizing Stencil Computations (WOSC) pp. 1-8
    Egyéb konferenciaközlemény/Tudományos[26990550] [Jóváhagyott]
    Független, Idéző: 26990550, Kapcsolat: 26990550
I Reguly et al. Finite Element Algorithms and Data Structures on Graphical Processing Units. (2013) INTERNATIONAL JOURNAL OF PARALLEL PROGRAMMING 0885-7458 2013 1-37, 2600069
Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[2600069]
  1. Yang Peng et al. The interactions between an off-road tire and granular terrain: GPU-based DEM-FEM simulation and experimental validation. (2020) INTERNATIONAL JOURNAL OF MECHANICAL SCIENCES 0020-7403 p. 105634
    Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[31276608] [Import]
    Független, Idéző: 31276608, Kapcsolat: 28948601
  2. Yang Peng et al. The interactions between an off-road tire and granular terrain: GPU-based DEM-FEM simulation and experimental validation. (2020) INTERNATIONAL JOURNAL OF MECHANICAL SCIENCES 0020-7403 179
    Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[31504205] [Érvényesített]
    Független, Idéző: 31504205, Kapcsolat: 29269186
  3. Ayyad Mahmoud et al. Stabilized variational formulation of an oldroyd-B fluid flow equations on a Graphic Processing Unit (GPU) architecture. (2020) COMPUTER PHYSICS COMMUNICATIONS 0010-4655 p. 107495
    Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[31388213] [Import]
    Független, Idéző: 31388213, Kapcsolat: 29084830
  4. Aslam M. et al. Performance comparison of GPU based Jacobi solvers using CUDA provided synchronization methods. (2020) IEEE ACCESS 2169-3536 In Press 1-1
    Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[31180632] [Érvényesített]
    Független, Idéző: 31180632, Kapcsolat: 28810837
  5. Kiran Utpal et al. GPU-based matrix-free finite element solver exploiting symmetry of elemental matrices. (2020) COMPUTING 0010-485X 1436-5057
    Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[31361557] [Import]
    Független, Idéző: 31361557, Kapcsolat: 29050329
  6. Sanfui Subhajit et al. A three-stage graphics processing unit-based finite element analyses matrix generation strategy for unstructured meshes. (2020) INTERNATIONAL JOURNAL FOR NUMERICAL METHODS IN ENGINEERING 0029-5981 1097-0207 121 17 3824--3848
    Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[31453815] [Import]
    Független, Idéző: 31453815, Kapcsolat: 29179318
  7. Sanfui Subhajit et al. A three-stage graphics processing unit-based finite element analyses matrix generation strategy for unstructured meshes. (2020) INTERNATIONAL JOURNAL FOR NUMERICAL METHODS IN ENGINEERING 0029-5981 1097-0207 121 17 3824-3848
    Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[31504207] [Érvényesített]
    Független, Idéző: 31504207, Kapcsolat: 29269189
  8. Ma Tiechang et al. A Three-Dimensional Cartesian Mesh Generation Algorithm Based on the GPU Parallel Ray Casting Method. (2020) APPLIED SCIENCES-BASEL 2076-3417 10 1
    Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[31447519] [Érvényesített]
    Független, Idéző: 31447519, Kapcsolat: 29269184
  9. Mortensen Dag et al. Macrosegregation Modelling of Large Sheet Ingots Including Grain Motion, Solidification Shrinkage and Mushy Zone Deformation. (2019) ISBN:9783030058647
    Könyv/Tudományos[30809179] [Jóváhagyott]
    Független, Idéző: 30809179, Kapcsolat: 28311840
  10. Mortensen Dag et al. Macrosegregation Modelling of Large Sheet Ingots Including Grain Motion, Solidification Shrinkage and Mushy Zone Deformation. (2019) Megjelent: LIGHT METALS 2019 pp. 983-990
    Könyvrészlet/Tudományos[31584229] [Érvényesített]
    Független, Idéző: 31584229, Kapcsolat: 29427789
  11. Ma Tiechang et al. A Three-Dimensional Cartesian Mesh Generation Algorithm Based on the GPU Parallel Ray Casting Method. (2019) Applied Sciences 10 1
    Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[31028088] [Jóváhagyott]
    Független, Idéző: 31028088, Kapcsolat: 28587872
  12. Kiran Utpal et al. GPU-Warp based Finite Element Matrices Generation and Assembly using Coloring Method. (2018) JOURNAL OF COMPUTATIONAL DESIGN AND ENGINEERING 2288-4300
    Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[30809177] [Jóváhagyott]
    Független, Idéző: 30809177, Kapcsolat: 28311839
  13. Mueller-Roemer J. S. et al. GPU-based Polynomial Finite Element Matrix Assembly for Simplex Meshes. (2018) COMPUTER GRAPHICS FORUM 0167-7055 1467-8659 37 7 443-454
    Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[30309112] [Érvényesített]
    Független, Idéző: 30309112, Kapcsolat: 27709516
  14. Pikle Nileshchandra K et al. GPGPU-based parallel computing applied in the FEM using the conjugate gradient algorithm: a review. (2018) SADHANA-ACADEMY PROCEEDINGS IN ENGINEERING SCIENCES 0256-2499 0973-7677 43 7
    Folyóiratcikk/Összefoglaló cikk (Folyóiratcikk)/Tudományos[27569917] [Admin láttamozott]
    Független, Idéző: 27569917, Kapcsolat: 27445312
  15. Zayer Rhaleb. Sparse Matrix Assembly on the GPU Through Multiplication Patterns. (2017) IEEE High Performance Extreme Computing Conference 2377-6943 Waltham
    Folyóiratcikk/Konferenciaközlemény (Folyóiratcikk)/Tudományos[27319418] [Jóváhagyott]
    Független, Idéző: 27319418, Kapcsolat: 27319418
  16. R Zayer. Sparse matrix assembly on the GPU through multiplication patterns. (2017) Megjelent: 2017 IEEE High Performance Extreme Computing Conference (HPEC) pp. 1-8
    Egyéb konferenciaközlemény/Tudományos[26990579] [Jóváhagyott]
    Független, Idéző: 26990579, Kapcsolat: 26990579
  17. Mohamed H. GPU-accelerated CFD Simulations for Turbomachinery Design Optimization. (2017)
    Disszertáció/PhD (Disszertáció)/Tudományos[26990580] [Jóváhagyott]
    Független, Idéző: 26990580, Kapcsolat: 26990580
  18. Zayer Rhaleb et al. A GPU-Adapted Structure for Unstructured Grids. (2017) COMPUTER GRAPHICS FORUM 0167-7055 1467-8659 36 2 495-507
    Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[26753101] [Jóváhagyott]
    Független, Idéző: 26753101, Kapcsolat: 26753101
  19. Banaś Krzysztof et al. Finite element numerical integration for first order approximations on multi- and many-core architectures. (2016) COMPUTER METHODS IN APPLIED MECHANICS AND ENGINEERING 0045-7825 305 827-848
    Folyóiratcikk/Tudományos[26363583] [Jóváhagyott]
    Független, Idéző: 26363583, Kapcsolat: 26363583
  20. Banaś K. Design of interface modules for flexible coupling of finite element codes with solvers of linear equations. (2016)
    Egyéb/Tudományos[26422000] [Jóváhagyott]
    Független, Idéző: 26422000, Kapcsolat: 26422000
  21. Banaś K et al. Opencl performance portability for xeon phi coprocessor and nvidia gpus: A case study of finite element numerical integration. (2014) LECTURE NOTES IN ARTIFICIAL INTELLIGENCE 0302-9743 8806 158-169
    Folyóiratcikk/Tudományos[25390453] [Jóváhagyott]
    Független, Idéző: 25390453, Kapcsolat: 25390453
2020-09-25 09:57