دوره شتاب‌دهی به محاسبات علمی و حل‌کننده‌های خطی با استفاده از پردازنده‌های گرافیکی (GPU) همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره شتاب‌دهی به محاسبات علمی و حل‌کننده‌های خطی با استفاده از پردازنده‌های گرافیکی (GPU)

موضوع کلی: علوم محاسباتی و مهندسی نرم‌افزار

موضوع میانی: پردازش موازی و محاسبات با کارایی بالا (HPC)

📋 سرفصل‌های دوره (100 موضوع)

• 1. مبانی معماری پردازنده‌های گرافیکی و مدل محاسباتی همسو
• 2. تفاوت‌های معماری پردازنده مرکزی و پردازنده گرافیکی در محاسبات عددی
• 3. آشنایی با مدل برنامه‌نویسی CUDA و محیط توسعه آن
• 4. مدیریت حافظه در کارت‌های گرافیک و سلسله‌مراتب حافظه
• 5. اصول اجرای موازی و مدل رشته‌ها در پردازنده گرافیکی
• 6. مدیریت بلوک‌ها و شبکه محاسباتی در هسته‌های CUDA
• 7. بهینه‌سازی دسترسی به حافظه جهانی و کاهش تأخیر
• 8. استفاده از حافظه اشتراکی برای افزایش سرعت محاسبات
• 9. مفاهیم همگام‌سازی رشته‌ها و جلوگیری از تداخل داده‌ها
• 10. تکنیک‌های بهینه‌سازی کدهای هسته برای افزایش کارایی
• 11. آشنایی با کتابخانه‌های شتاب‌دهنده محاسبات علمی و ریاضی
• 12. ساختار داده‌های ماتریسی در حافظه پردازنده گرافیکی
• 13. پیاده‌سازی ضرب ماتریس در پردازنده گرافیکی با کارایی بالا
• 14. حل دستگاه معادلات خطی به روش‌های مستقیم
• 15. مقدمه‌ای بر روش‌های تکرار شونده در جبر خطی عددی
• 16. اصول روش‌های زیرفضای کریلوف برای حل دستگاه‌های بزرگ
• 17. پیاده‌سازی الگوریتم گرادیان مزدوج در محیط پردازنده گرافیکی
• 18. بررسی پایداری عددی در محاسبات با دقت واحد و مضاعف
• 19. بهینه‌سازی عملیات ضرب ماتریس در بردار برای روش‌های تکراری
• 20. پیاده‌سازی پیش‌شرط‌سازها برای بهبود همگرایی در حل‌کننده‌ها
• 21. استفاده از پیش‌شرط‌سازهای مبتنی بر تجزیه ماتریس در GPU
• 22. مدیریت حافظه برای ماتریس‌های پراکنده و فرمت‌های ذخیره‌سازی
• 23. پیاده‌سازی الگوریتم‌های حل معادلات با ماتریس‌های پراکنده
• 24. ارزیابی کارایی و تحلیل گلوگاه‌های محاسباتی در کارت‌های گرافیک
• 25. استفاده از پروفایلرها برای شناسایی نقاط کند کد
• 26. مبانی محاسبات ناهمگن و ارتباط بین پردازنده و گرافیک
• 27. تکنیک‌های کاهش انتقال داده بین حافظه اصلی و حافظه گرافیک
• 28. پیاده‌سازی کتابخانه‌های تخصصی جبر خطی در محیط CUDA
• 29. روش‌های مقابله با خطاهای محاسباتی در محیط موازی
• 30. کاربردهای محاسبات GPU در شبیه‌سازی‌های مهندسی
• 31. شبیه‌سازی عددی معادلات دیفرانسیل با استفاده از روش‌های موازی
• 32. پیاده‌سازی الگوریتم‌های تکرار شونده در مسائل مقدار مرزی
• 33. بهینه‌سازی مصرف انرژی در محاسبات با کارایی بالا
• 34. استفاده از چند کارت گرافیک برای مسائل مقیاس‌بزرگ
• 35. مفاهیم ارتباط بین گره‌ای در کلاسترهای محاسباتی
• 36. مدیریت صف‌های اجرای دستورات در پردازنده‌های گرافیکی
• 37. تکنیک‌های پیشرفته در برنامه‌نویسی هسته‌های بهینه
• 38. بررسی تطبیقی روش‌های حل مستقیم و تکراری در GPU
• 39. استفاده از کتابخانه‌های متن‌باز برای شتاب‌دهی ریاضی
• 40. مستندسازی و توسعه پایدار کدهای محاسباتی در محیط‌های علمی