Por favor, use este identificador para citar o enlazar este ítem: https://hdl.handle.net/20.500.12008/53694
MetadatoEtiquetaValorIdioma
dc.contributor.author Autor Freire, Manuel-
dc.contributor.author Autor Marichal, Raúl-
dc.contributor.author Autor Dufrechou, Ernesto-
dc.contributor.author Autor Ezzatti, Pablo-
dc.contributor.filiacion Filiación Freire Manuel, Universidad de la República (Uruguay). Facultad de Ingeniería.-
dc.contributor.filiacion Filiación Marichal Raúl, Universidad de la República (Uruguay). Facultad de Ingeniería.-
dc.contributor.filiacion Filiación Dufrechou Ernesto, Universidad de la República (Uruguay). Facultad de Ingeniería.-
dc.contributor.filiacion Filiación Ezzatti Pablo, Universidad de la República (Uruguay). Facultad de Ingeniería.-
dc.date.accessioned Fecha ingreso 2026-03-04T15:42:39Z-
dc.date.available Fecha disponible 2026-03-04T15:42:39Z-
dc.date.issued Año de publicación 2023-
dc.description.abstract Resumen The significant presence that many-core devices like GPUs have these days, and their enormous computational power, motivates the study of sparse matrix operations in this hardware. The essential sparse kernels in scientific computing, such as the sparse matrix-vector multiplication (SpMV), usually have many different high-performance GPU implementations. Sparse matrix problems typically imply memory-bound operations, and this characteristic is particularly limiting in massively parallel processors. This work revisits the main ideas about reducing the volume of data required by sparse storage formats and advances in understanding some compression techniques. In particular, we study the use of index compression combined with sparse matrix reordering techniques. The systematic experimental evaluation on a large set of real-world matrices confirms that this approach is promising, achieving meaningful data storage reductions.es
dc.description.sponsorship Financiadores FCE_3_2022_1_172419 - MODELAR: Modelado del desempeñO de métoDos numÉricos en pLataformas de hArdware heteRogéneas.es
dc.format.extent Extensión 15 p.es
dc.format.mimetype Formato application/pdfes
dc.identifier.citation Citación Freire, M., Marichal, R., Dufrechou, E. y otros. Towards reducing communications in sparse matrix kernels [Preprint] Publicado en : Naiouf, M., Rucci, E., Chichizola, F., De Giusti, L. (eds) Cloud Computing, Big Data & Emerging Topics. JCC-BD&ET 2023. Communications in Computer and Information Science, vol 1828. Springer, Cham. https://doi.org/10.1007/978-3-031-40942-4_2.es
dc.identifier.uri URI https://hdl.handle.net/20.500.12008/53694-
dc.language.iso Idioma enes
dc.rights Derechos Las obras depositadas en el Repositorio se rigen por la Ordenanza de los Derechos de la Propiedad Intelectual de la Universidad de la República.(Res. Nº 91 de C.D.C. de 8/III/1994 – D.O. 7/IV/1994) y por la Ordenanza del Repositorio Abierto de la Universidad de la República (Res. Nº 16 de C.D.C. de 07/10/2014)es
dc.rights.licence Licencia Licencia Creative Commons Atribución - No Comercial - Sin Derivadas (CC - By-NC-ND 4.0)es
dc.subject Palabras clave Sparse matriceses
dc.subject Palabras clave Memory accesses
dc.subject Palabras clave Reordering techniquees
dc.subject Palabras clave Matrix storage reductiones
dc.title Título Towards reducing communications in sparse matrix kernelses
dc.type Tipo de documento Preprintes
FicherosDescripciónTamañoFormato
FMDE23.pdf Preprint 679.39 KB Adobe PDF