面向GPU的稀疏对角矩阵自适应SpMV优化方法

作     者：王宇华 何俊飞 张宇琪 兰海燕 曹林琳 

作者机构：哈尔滨工程大学计算机学院 电子政务建模仿真国家工程实验室 

出 版 物：《计算机工程》 (Computer Engineering)

年 卷 期：2024年

学科分类：07[理学] 08[工学] 070102[理学-计算数学] 081201[工学-计算机系统结构] 0701[理学-数学] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金资助项目(62072135) 

主　　题：SpMV 稀疏对角矩阵 GPU 自适应优化方法 矩阵结构特征 

摘      要：稀疏矩阵向量乘（SpMV）是稀疏线性系统的计算核心和瓶颈，其运算效率会影响迭代求解器的整体性能，其优化研究一直是科学计算和工程应用领域中的研究热点之一。偏微分方程的离散化会产生稀疏对角矩阵，由于其多样的非零元分布，导致没有一种方法能够在所有矩阵中取得最优时间性能。针对上述问题，提出了一种面向GPU的稀疏对角矩阵自适应SpMV优化方法AST（Adaptive SpMV Tuning），该方法通过设计特征空间，构建特征提取器，提取矩阵结构精细特征，通过深入分析特征和SpMV方法的相关性。建立可扩展的候选方法集合，形成特征和最优方法的映射关系，构建性能预测工具，实现矩阵最优方法的高效预测。实验结果表明，AST能够取得85.8%的预测准确率，平均时间性能损失为最优方法的0.09倍。相比于DIA、HDIA、HDC、DIA-Adaptive和DRM，能够获得平均20.19、1.86、3.06、3.72和1.53倍的内核运行时间加速和1.05、1.28、12.45、1.94和0.97倍的浮点运算性能加速。