SLEPc
| Stabil frisättning | 3.17 / 31 mars 2022
|
|---|---|
| Förvar | |
| Operativ system | Linux , Unix , Mac OS X , Windows |
| Tillgänglig i | C (huvudspråk),C++, FORTRAN, Python |
| Typ | Programvara för vetenskaplig simulering |
| Licens | BSD 2-klausul licens |
| Hemsida |
SLEPc är ett mjukvarubibliotek för parallell beräkning av egenvärden och egenvektorer för stora, glesa matriser. Det kan ses som en modul av PETSc som tillhandahåller lösare för olika typer av egenproblem, inklusive linjära (standardiserade och generaliserade) och olinjära ( kvadratiska , polynomiska och generella ), såväl som SVD . De senaste versionerna inkluderar även stöd för matrisfunktioner . Den använder MPI- standarden för parallellisering. Både verklig och komplex aritmetik stöds, med enkel, dubbel och fyrdubbel precision.
När du använder SLEPc kan applikationsprogrammeraren använda vilken som helst av PETSc:s datastrukturer och lösare. Andra PETSc-funktioner är också inbyggda i SLEPc, såsom kommandoradsalternativinställning, automatisk profilering, felkontroll, portabilitet till praktiskt taget alla datorplattformar, etc.
Komponenter
EPS tillhandahåller iterativa algoritmer för linjära egenvärdeproblem.
- Krylovmetoder som Krylov-Schur, Arnoldi och Lanczos .
- Davidson-metoder som Generalized Davidson och Jacobi-Davidson.
- Konjugerade gradientmetoder såsom LOBPCG.
- En konturintegrallösare (CISS).
- Gränssnitt till vissa externa egenlösare, såsom ARPACK och BLOPEX .
- Anpassningsalternativ inkluderar: antal önskade egenvärden, tolerans, storleken på de använda delutrymmena, en del av spektrumet av intresse.
ST kapslar in spektrala transformationer och andra förkonditionerare för egenvärdesproblem.
- Skift-och-invertera och Cayley-spektrala transformationer.
- Stöd för förkonditionerade egenlösare (som Jacobi-Davidson) genom att använda förkonditioneringarna som tillhandahålls av PETSc.
- Polynomfilter för inre egenvärden.
SVD innehåller lösare för singularvärdesuppdelningen såväl som generaliserad singularvärdesuppdelning .
- Lösare baserade på korsproduktmatrisen eller den cykliska matrisen, som förlitar sig på EPS-lösare.
- Specifika lösare baserade på dubbeldiagonalisering som Golub-Kahan-Lanczos och en tjock-omstartad variant.
PEP är avsett för polynomegenproblem, inklusive det kvadratiska egenvärdesproblemet .
- Lösare baserade på explicit linjärisering, som förlitar sig på EPS-lösare.
- Lösare som utför linjäriseringen implicit på ett minneseffektivt sätt, såsom TOAR.
- En Jacobi-Davidson-lösare för PEP.
NEP tillhandahåller funktionalitet för lösningen av det olinjära egenproblemet .
- Grundläggande lösare som återstående invers iteration och successiva linjära problem.
- En lösare baserad på polynominterpolation som förlitar sig på PEP-lösare.
- En lösare baserad på rationell interpolation (NLEIGS).
MFN kan användas för att beräkna verkan av en matrisfunktion på en vektor.
- En omstartad Krylov-lösare.