数学研究数据计划（MaRDI）中模型降阶的基准框架探索
摘要：科学计算中，追求最高效、准确、通用的算法是推动创新的动力。同时，只有当研究结果真正可与之前的结果相比较，这种竞争才能带来益处。公平比较算法可能是一项复杂的工作，因为实现、配置、计算环境和测试问题需要明确定义。由于计算机实验的增加，还需要新的基础设施促进新算法的交流和比较。为此，我们提出了一个基准框架，作为一组用于使用社区本地测试案例比较算法实现的通用规范。其价值在于能够公平比较和验证现有方法在新应用中的表现，并比较新开发的方法与现有方法。作为一个更通用框架的原型，我们已经开始为模型阶次减少（MOR）社区构建基准工具。该工具的数据基础是模型阶次减少维基（MORWiki）的集合。该维基包括三个主要类别：基准、方法和软件。编辑委员会用于管理提交和监督编辑条目。线性和参数线性模型的数据集已经在现有集合中得到很好的代表。非线性模型或过程模型的数据集，只能提供评估数据，或者代码/算法描述，而不是方程，正在被添加和扩展。用于基准选择和后续评估的属性和有趣特征记录在模型元数据中。我们的工具，模型阶次减少基准测试工具（MORB）正在积极开发中，用于线性时不变系统和求解器。
作者：Peter Benner, Kathryn Lund, Jens Saak
论文ID：2307.00137
分类：Mathematical Software
分类简称：cs.MS
提交时间：2023-07-04