mfem：轻量，通用，可扩展的C ++库，用于有限元方法

有向无环图的并行DFS 根据， 是DFS遍历的并行算法的C ++实现。 该算法下的思想克服了基于DFS的标准标记方法的并行实现问题。 这是因为DFS在边缘访问和某些全局变量的使用方面要求严格的顺序，这在需要并行处理时代表了很大的局限性。 该算法为有向无环图（DAG）的DFS遍历提供了不超过3次BFS访问的有效解决方案，从而可以找到DAG节点之间的前序，后序和父级关系。 BFS的首次访问旨在将DAG转换为DT（图B）； 下次访问是在DT上完成的，它的作用是为每个节点找到子树的大小，子树的大小定义为可从其到达的节点数加上自身（图C）； 进行第三次访问时，可以获取根据DFS访问顺序先前应访问的节点，查看当前节点的先前同级和父级先前同级的子树大小（图D）。 从先前计算出的值开始，我们获得后顺序和前顺序（在此实现中未计算后顺序，但是只需对代码进行很小的更改即可轻松完成）（图E）。 请注意

Kokkos：核心库 Kokkos Core 在 C++ 中实现了一个编程模型，用于编写针对所有主要 HPC 平台的高性能便携式应用程序。 为此，它为代码的并行执行和数据管理提供了抽象。 Kokkos 旨在针对具有 N 级内存层次结构和多种类型执行资源的复杂节点架构。 它目前可以使用 CUDA、HPX、OpenMP 和 Pthreads 作为后端编程模型，以及其他几个正在开发的后端。 Kokkos Core 是 Kokkos C++ 性能可移植性编程生态系统的一部分，该生态系统还提供数学内核 ( )，以及分析和调试工具 ( ）。 了解 Kokkos 可以在 Wiki 上找到编程指南，API 参考正在开发中。 如有问题，请在 Slack 上找到我们： : 或打开 github 问题。 对于非公开问题，请发送电子邮件至 crtrott(at)sandia.gov 可以在下找到包含

适用于Python的HPC基准 这是一组基准测试，用于测试使用Python前端的各种计算后端的顺序CPU和GPU性能。 具体来说，我们想测试哪种高性能后端最适合地球物理（基于有限差分）的模拟。 内容 常问问题 为什么？ 科学的Python生态系统正在蓬勃发展，但是Python中的高性能计算还不是真正的事情。 我们尝试来更改此，但是我们应该使用哪个后端进行计算？ Python前端到高性能后端的开发需要大量的时间和资源，但是这些通常是为深度学习量身定制的。 我们想了解一下，通过（滥用）这些库进行地球物理建模，我们是否可以从这些进展中获利。 为什么基准看起来如此怪异？ 这些或多或少是逐字记录副本（即物理模型的实际部分）。 大多数地球系统和气候模型组件都基于有限差分方案来计算导数。 这可以通过数组的索引移位（例如0.5 * (arr[1:] + arr[:-1]) ， arr在每个点的一

并行3D Barnes-Hut N体仿真 版本2.0.0 的并行高性能C ++实现，用于模拟N体系统并将其可视化。 CUDA GPU加速，交互式仿真查看器，有损仿真数据压缩以及对其他编译器（非GCC）的优化支持即将推出。 见 画廊 上面是较旧项目的快速渲染且分辨率降低的渲染。 全尺寸3D演示即将推出。 正在Google Compute Engine上进行模拟。 入门 从github签出仓库，并用cmake项目 $ git clone https://github.com/oliverzh2000/parallel-barnes-hut.git $ cd parallel-barnes-hut $ cmake ./ DCMAKE_BUILD_TYPE=RelWithDebinfo $ make $ ./nbody --help 有关详细的使用信息，请参见。 使用~10^7到~10

埃尔默有限元法 这是 Elmer FEM 软件套件的官方源代码库。 Elmer 是用于数值求解偏微分方程的有限元软件。 Elmer 能够处理任意数量的方程，因此非常适合模拟多物理场问题。 它包括结构力学、流体动力学、传热和电磁学等模型。 用户还可以编写自己的方程式，可以与主程序动态链接。 埃尔默由几个部分组成。 最重要的是 ElmerSolver（有限元求解器）、ElmerGUI（图形用户界面）和 ElmerGrid（网格创建和操作工具）。 软件包中还包含一个可视化工具 ElmerPost，但不再开发。 下载二进制文件 您可以从下载二进制文件和虚拟机。 码头工人 nwrichmond/elmerice： ， unifem/Elmer-desktop: GitHub CoSci-LLC/docker-elmerice： Docker 集线器， GitHub

帕格莫 重要提示：pygmo（用于pagmo的Python绑定）已拆分成一个单独的项目，托管。 请更新您的书签！ pagmo是用于大规模并行优化的C ++科学库。 它基于以下思想：为优化算法和优化问题提供统一的接口，并使它们在大规模并行环境中的部署变得容易。 如果您将pagmo用作研究，教学或其他活动的一部分，如果您可以对存储库加注星标和/或引用我们的工作，我们将不胜感激。 出于引用目的，您可以使用以下BibTex条目，该条目引用《开源软件杂志》中的： @article { Biscani2020 , doi = { 10.21105/joss.02338 } , url = { https://doi.org/10.21105/joss.02338 } , year = { 2020 } , publisher = { The Open Journal } ,

Geatpy2 适用于Python的高性能遗传进化算法工具箱。 介绍 网站（包括文档） ： : 演示： : Pypi页面： : //pypi.org/project/geatpy/ 与我们联系： : 错误报告： : 注意： : 常见问题解答： ： Geatpy的功能： 快速解决单目标，多目标，多目标和组合优化问题的能力。 大量具有进化算法（选择，重组，变异，迁移...）高性能的算子。 支持人口染色体的众多编码。 许多进化算法模板，包括用于单/多目标进化的GA，DE，ES。 多种人口进化。 支持多体进化。 评价的并行化和分配。 包含最常见基准测试功能的测试平台。 支持对演化迭代的跟踪分析。 算法的许多评估指标。 Geatpy 2.6.0的改进 为MOEA / D-DE添加推和拉搜索策略。 添加新的核心：“ ri2bs”和“ mergecv

PHC包装 PHCpack是用于通过同伦连续方法求解多项式系统的软件包。 多项式系统是由多个变量组成的多项式序列。 同伦延续方法分两个阶段运行。 在第一阶段，构造了一系列的多项式系统（所谓的同伦）。 该同态包含具有已知解的多项式系统。 在第二阶段，从已知解开始，使用数值连续法来跟踪由同伦定义的解路径，并得出给定多项式系统的解。 PHCpack的1.0版已由ACM Transactions of Mathematical Software（ACM TOMS）作为算法795存档。PHCpack包含MixedVol（T。Gao，TY Li和M. Wu的ACM TOMS的算法846），可快速计算混合量。 DEMiCs（由T. Mizutani，A。Takeda和M. Kojima进行的所有混合单元的动态枚举）对于具有许多不同支持的大型系统，以比MixedVol更快的速度计算混合体积。 DEMi

LSF Python API 这些python包装器允许客户直接从Python提交和控制作业并获取队列，主机和其他LSF属性的状态。 它们可以与各种版本的LSF一起使用，并且由LSF开发来维护，尽管我们从开源社区中获得了贡献。 如果您计划或希望为该库做出贡献，则必须遵循此存储库根目录中随附的中的DCO流程。 从本质上讲，它要求您在拉取请求的注释中提供一个“签出”行，以表明该工作不影响其他人的工作。 同样，有关更多详细信息，请参见DCO自述文件。 发布信息 IBM Spectrum LSF Python包装器 支持LSF发行版：10.1 包装版本：1.0.6 发布日期：2013年10月16日 上次修改时间：2018年8月31日 内容 介绍 支援环境 兼容性 安装 发行说明 社区贡献要求 版权 介绍 该库允许您直接通过Python调用LSF API。 您可以找到。 包装器是使用Pyth