
NAG一直處於數值算法的領導廠商,近40年來,我們已經提供各種不同應用領域的數值函數。 目前我們正與牛津大學的 Mike Giles 教授合作,提供GPU的數值函數。
GPU傳統上使用於個人計算機的3D遊戲加速上,現今迅速發展,已經普遍應用於一般的科學計算。 這樣的計算型態又被稱為"Personal Super Computing" (PSC)。 Giles 博士與NAG 的專家們已經著手開發功能齊全的並行數值函數。 採用GPU 架構,相較於傳統的CPU,我們擁有非常顯著的性能。 GPU 函數說明 GPU 函數包含:
我如何才能取得NAG 的GPU 數值函數原型呢? 目前NAG 的GPU 函數仍處於Beta 版。 目前此原型中已包括蒙地卡羅仿真組件:偽隨機隨機數生成器(MRG32k3a)、準隨機隨機數生成器(Sobol 至50,000 維度) 以及布朗橋。 隨機數生成提出三個輸出分佈函數(uniform、exponential 與Normal),並同時提供單精度與雙精度函數。 獲取的資格? 我們提供免費的學術使用。 同時我們也熱切期盼與商業客戶進行GPU 函數的進一步評估與開發。 若您要取得此軟件,請填寫 相關表格 或者直接與我們 聯繫 。 正在進行中的工作 持續進行GPU 函數的開發,在NAG 數值算法庫中被選入加入至GPU 算法庫Beta 版中的函數將包含單變量與多變量分佈函數,也包含Copula 函數。 志謝 我們要感謝Technology Strategy Board (技術戰略委員會) 與Smith Institute (史密斯研究所) 的支持,以及英國工程暨物理研究委員會贊助Giles 教授的學術研究。 |