Print indd

5
Conclusion and Future Directions
In this paper, we considered orthogonal approximate computing (AC) meth-
ods and how they influence the accuracy and performance trade-off of a scien-
tific computing algorithm. All methods were experimentally investigated for the
Jacobi method performing on realistic data. Hence, we applied the first exten-
sive, holistic, and schematic evaluation of AC on a scientific algorithm. While
single methods already can be seen as useful, a combination of them results
in a much higher gain. For instance, allowing 1% relative error we achieve an
acceleration of 3 compared to the parallel version of Jacobi (32 threads).
For future work it is mandatory to extend the test setting to the complete
Krylow subspace method to measure the effects of AC methods on the quality of
the preconditioning. With this enlarged setting, the usefulness of the presented
methods can be considered in a broader spectrum.