<div dir="ltr">Obviously, holistic support for OpenMP is critical to the future of PETSc :-D<div><br></div><div>On a more serious note, Matt and I have discussed the use of PETSc for sparse multidimensional array computations for dimensions greater than 2, also known as tensor computations. The associated paper describing previous work with dense arrays is <a href="http://www.eecs.berkeley.edu/Pubs/TechRpts/2012/EECS-2012-210.html">http://www.eecs.berkeley.edu/Pubs/TechRpts/2012/EECS-2012-210.html</a>.  There was even an unsuccessful SciDAC application proposal that described how PETSc could be used for that domain when sparsity is important.  To start, all we'd need is sparse matrix x sparse matrix multiplication, which I hear the multigrid folks also need.  Sparse times dense is also important.  Sparse tensor factorization would also help, but I get that there are enough open math questions there that it might be impractical to try to implement something in PETSc in the near future.</div><div><br></div><div>Maybe I am just biased because I spend all of my time reading <a href="http://www.nextplatform.com">www.nextplatform.com</a>, but I hear machine learning is becoming an important HPC workload.  While the most hyped efforts related to running inaccurate - the technical term is half-precision - dense matrix multiplication as fast as possible, I suspect that more elegant approaches will prevail.  Presumably there is something that PETSc can do to enable machine learning algorithms.  As most of the existing approaches use silly programming models based on MapReduce, it can't be too hard for PETSc to do better.</div><div><br></div><div>Jeff<br><div class="gmail_extra"><br><div class="gmail_quote">On Fri, Jul 1, 2016 at 2:32 PM, Barry Smith <span dir="ltr"><<a href="mailto:bsmith@mcs.anl.gov" target="_blank">bsmith@mcs.anl.gov</a>></span> wrote:<br><blockquote class="gmail_quote" style="margin:0px 0px 0px 0.8ex;border-left-width:1px;border-left-style:solid;border-left-color:rgb(204,204,204);padding-left:1ex"><br>
   The DOE SciDAC institutes have supported PETSc linear solver research/code development for the past fifteen years.<br>
<br>
    This email is to solicit ideas for linear solver research/code development work for the next round of SciDAC institutes (which will be a 4 year period) in PETSc. Please send me any ideas, no matter how crazy, on things you feel are missing, broken, or incomplete in PETSc with regard to linear solvers that we should propose to work on. In particular, issues coming from particular classes of applications would be good. Generic "multi physics" coupling types of things are too general (and old :-)) while  work for extreme large scale is also out since that is covered under another call (ECP). But particular types of optimizations etc for existing or new codes could be in, just not for the very large scale.<br>
<br>
    Rough ideas and pointers to publications are all useful. There is an extremely short fuse so the sooner the better,<br>
<br>
    Thanks<br>
<span class=""><font color="#888888"><br>
      Barry<br>
<br>
<br>
<br>
</font></span></blockquote></div><br><br clear="all"><div><br></div>-- <br><div class="gmail_signature" data-smartmail="gmail_signature">Jeff Hammond<br><a href="mailto:jeff.science@gmail.com" target="_blank">jeff.science@gmail.com</a><br><a href="http://jeffhammond.github.io/" target="_blank">http://jeffhammond.github.io/</a></div>
</div></div></div>