Детальная информация

Данная работа посвящена исследованию низкоуровневых библиотек линейной алгебры, применяемых для ускорения вычислительных процедур в научных и инженерных задачах. Основная цель заключается в сравнительном анализе библиотек OpenBLAS, Intel MKL и Eigen с точки зрения производительности и эффективности практического применения. Проведен анализ современных подходов к построению библиотек линейной алгебры, включающий рассмотрение стандартов BLAS и LAPACK, классификацию библиотек по уровню абстракции API, модели данных и поддерживаемым типам, а также технический обзор низкоуровневых методов оптимизации производительности. В результате разработан программный бэкенд линейной алгебры, обеспечивающий унифицированный интерфейс для подключения различных библиотек, и проведено модульное и интеграционное тестирование в составе коммерческого программного комплекса. Полученные результаты позволяют сравнить OpenBLAS, Intel MKL и Eigen в единых условиях и сформулировать практические рекомендации по выбору библиотеки в зависимости от характера вычислительной задачи и требований к производительности.

This work is devoted to the study of low-level linear algebra libraries used to accelerate computational procedures in scientific and engineering tasks. The main goal is to carry out a comparative analysis of OpenBLAS, Intel MKL, and Eigen in terms of performance and practical efficiency. The study includes an analysis of modern approaches to the design of linear algebra libraries, covering the BLAS and LAPACK standards, the classification of libraries by API abstraction level, data model, and supported types, as well as a technical review of low-level performance optimization methods. As a result, a linear algebra backend providing a unified interface for connecting different libraries was developed, and both unit and integration testing were performed as part of a commercial software system. The obtained results make it possible to compare OpenBLAS, Intel MKL, and Eigen under identical conditions and to formulate practical recommendations for choosing a library depending on the type of computational task and performance requirements.