Print indd

Do Iterative Solvers Benefit
from Approximate Computing?
An Evaluation Study Considering
Orthogonal Approximation Methods
Michael Bromberger
1(
B
)
, Markus Hoffmann
1
, and Robin Rehrmann
2
1
Computer Architecture and Parallel Processing,
Karlsruhe Institute of Technology, Karlsruhe, Germany
[e-mail]
2
Database Technology Group, Technische Universit¨
at Dresden,
Dresden, Germany
Abstract. Employing algorithms of scientific computing often comes in
hand with finding a trade-off between accuracy and performance. Novel
parallel hardware and algorithms only slightly improve these issues due
to the increasing size of the problems. While high accuracy is inevitable
for most problems, there are parts in scientific computing that allow us to
introduce approximation. Therefore, in this paper we give answers to the
following questions: (1) Can we exploit different approximate computing
strategies in scientific computing? (2) Is there a strategy to combine
approaches? To answer these questions, we apply different approximation
strategies to a widely used iterative solver for linear systems of equations.
We show the advantages and the limits of each strategy and a way to
configure a combination of strategies according to a given relative error.
Combining orthogonal strategies as an overall concept gives us significant
opportunities to increase the performance.