Vedran Novaković
Naslov doktorskog rada Parallel Jacobi-type algorithms for the singular and the generalized singular value decomposition (Paralelni algoritmi Jacobijeva tipa za singularnu i generaliziranu singularnu dekompoziciju)
Naslov doktorskog rada (en.) Parallel Jacobi-type algorithms for the singular and the generalized singular value decomposition
Mentor(i) prof. dr. sc. Sanja Singer
Povjerenstvo:
Područje prirodne znanosti
Grana, polje numerička matematika, matematika
Fakultet Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet
Mjesto obrane Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet
Datum obrane 15.12.2017.
Datum promocije 01.07.2018.
   
Kratki životopis: Rođen je 1982. u Zagrebu. Diplomirao je u svibnju 2006. na Sveučilištu u Zagrebu na Prirodoslovno-matematičkom fakultetu, na Matematičkom odsjeku, na kojem je 2017. i doktorirao. Na tom je odsjeku bio zaposlen kao stručni suradnik od srpnja do prosinca 2006., a od siječnja do studenoga 2007. na Fakultetu strojarstva i brodogradnje, na kojem je od prosinca 2007. do studenoga 2014. bio asistent. Od veljače 2015. do listopada 2017. radio je kao računalni znanstvenik u Daresbury Laboratoryju, Science and Technology Facilities Council, u Ujedinjenom Kraljevstvu. Sudjelovao je na četirima znanstvenim projektima, te je (ko)autor sedam radova u časopisima iz područja paralelne numeričke linearne algebre, dvaju radova u konferencijskim zbornicima i jednoga stručnoga rada.
Kratki životopis (en.): Vedran Novaković was born on October 10th, 1982 in Zagreb, Croatia, where he graduated from Department of Mathematics, Faculty of Science, in May 2006, and defended the PhD thesis there in December 2017.He was employed as a technical associate, form July to December 2006 at Department of Mathematics, and from January to November 2007 at Faculty of Mechanical Engineering and Naval Architecture. From December 2007 to November 2014 he was a teaching assistant at the Faculty. From February 2015 to October 2017 he was a computational scientist at Daresbury Laboratory of the Science and Technology Facilities Council, United Kingdom.He has participated in 4 research projects, and has (co)authored 7 journal papers on topics of parallel numerical linear algebra, 2 in conference proceedings, and 1 professional paper.
Sažetak doktorskog rada: U doktorskom je radu predstavljen hijerarhijski blokirani jednostrani Jacobijev algoritam za dekompoziciju singularnih vrijednosti (SVD). Algoritam je dizajniran za jedan ili više grafičkih procesora (GPU). Struktura blokiranja odražava razine memorijske hijerarhije GPU-a. Razvijena je i nova familija paralelnih pivotnih strategija. Predstavljeni algoritam za jedan GPU zahtijeva središnji procesor (CPU) samo za kontrolu procesa, dok ujedno skoro optimalno koristi resurse GPU-a. Algoritam se, u principu, skalira na proizvoljan broj GPU-ova. Skalabilnost je demonstrirana više od dvostrukim ubrzanjem za dovoljno velike matrice na 4 u odnosu na 1 GPU. Nadalje, opisano je kako prilagoditi dvostrani Hari-Zimmermannin algoritam za računanje generalizirane dekompozicije svojstvenih vrijednosti simetričnoga matričnoga para (A,B), gdje je B pozitivno definitna, u implicitan algoritam za računanje generalizirane dekompozicije singularnih vrijednosti (GSVD) matričnoga para (F,G). Predstavljene su tehnike blokiranja i paralelizacije za ubrzanje računanja na CPU i na GPU, gdje je potonje slično Jacobijevu algoritmu za SVD na GPU. Autorovi znanstveni doprinosi su jednostrani algoritmi Jacobijeva tipa za obični i generalizirani SVD na GPU, od kojih potonji još nije objavljen, kao i tehnika paralelizacije te neki implementacijski detalji jednostranoga Hari Zimmermannina algoritma za GSVD na CPU. Ostatak je zajednički rad sa Sanjom i Sašom Singer.
Sažetak doktorskog rada (en.): In this thesis, a hierarchically blocked one-sided Jacobi algorithm for the singular value decomposition (SVD) is presented. The algorithm targets both single and multiple graphics processing units (GPUs). The blocking structure reflects the levels of the GPU's memory hierarchy. A new family of parallel pivot strategies has been developed. The presented algorithm in a single-GPU setting needs a CPU for the controlling purposes only, while utilizing the GPU's resources to the fullest possible extent. The algorithm scales, in principle, to an arbitrary number of GPUs. The scalability is demonstrated by more than twofold speedup for sufficiently large matrices on 4 vs. 1 GPU.Furthermore, it is described how to modify the two-sided Hari-Zimmermann algorithm for computation of the generalized eigendecomposition of a symmetric matrix pair (A,B), where B is positive definite, to an implicit algorithm that computes the generalized singular value decomposition (GSVD) of a pair (F,G). The blocking and parallelization techniques for accelerating both the CPU and the GPU computation are presented, with the GPU approach following the Jacobi SVD algorithm for GPU(s).The author's contributions are the one-sided Jacobi-type GPU algorithms for the ordinary and the generalized SVD, of which the latter has not yet been published, as well as the parallelization technique and some implementation details of the one-sided Hari-Zimmermann CPU algorithm for the GSVD. The rest is joint work with Sanja and Saša Singer.
   
Knjižni broj 16903
N-Knjižni broj 0

Povjerenstvo:

Tip Titula Ime Prezime
Povjerenstvo za ocjenu: prof. dr. sc. Enrique S. Quintana-Orti
doc. dr. sc. Zvonimir Bujanović
prof. dr. sc. Vjeran Hari
Povjerenstvo za obranu: prof. dr. sc. Enrique S. Quintana-Orti
prof. dr. sc. Sanja Singer
prof. dr. sc. Vjeran Hari

... povratak na tražilicu ...

Tehnička realizacija: Srce