效益
工作效率高
能實現對蒙特卡羅算法和有限差分算法的強力、靈活和有效率的並行計算，簡化計算集群上的工作分配
節省時間
讓開發人員可以集中精力在核心功能的研發上，縮短整個開發週期
系統可靠
特別採用了金融和工程領域中最常用的數值計算方法
節省計算資源
高度集成和有效的遠程控制
專業團隊
由多位在高性能計算領域擁有超過10年經驗的專家研發
產品可持續
強大的售後技術支持
特色
簡化計算機集群上的C/C++程序設計
若要將傳統串行程序設計有效地移植到計算機集群上，要解決很多進程間同步與數據交換的煩瑣問題。 CPE為客戶提供一套規範的平台，針對數據在計算機集群上的統一處理，隱藏進程間同步和通信操作等細節，讓編程員可以集中精力在核心功能的研發上，縮短整個開發週期。
提高計算機集群上的資源分享
CPE專有的ParaConnect技術，能讓用戶通過局域網或互聯網，安全透明地遙距操作在計算機集群上的應用程序。 CPE也整合了包括PBS Professional 和Windows HPC Server 在內的集群資源管理系統，使用戶間能更有效益地共用計算機集群上的資源。
批量作業自動分發
並行應用中一個常見案例是分發批量作業給集群以提升該應用運算速度。使用CPE的工作分配（Job Distribution，JD）庫，開發者可以用最少的時間得到最高的效率，快速準確地將作業分發給集群執行。 CPE的JD庫的重要特色在於它能做到極好的容錯性和動態均衡，進而確保並行程序的健壯性。
專為蒙特卡羅算法和有限差分方法優化的算法庫
蒙特卡羅（Monte Carlo，MC) 和有限差分（Finite Difference，FD)方法是金融工程領域中兩個最常用的數值計算方法。兩個都是計算量很大的算法，均可用集群大幅提升其運算速度。 CPE提供專為MC和FD方法優化過的算法庫。它們將極大縮短並行代碼開發週期，還可進一步提高現有程序的並行化程度。
核心模塊
蒙特卡羅（Monte Carlo，簡稱MC）算法庫全力協助MC模擬程序的開發和移植。用戶只需在蒙特卡羅模擬程序中提供生成一個路徑的代碼，並在多個採樣、統計合併和終止策略中輕鬆選擇即可。蒙特卡羅算法庫還高效支持對偶變量、擬蒙特卡羅模擬、美式期權、路徑保存等運算處理。絕大多數蒙特卡羅應用程序的運行速度均可做到線性縮放。
有限差分算法庫全力協助有限差分代碼的開發和移植，用以解決線性同構偏微分方程（PDE）的初始值問題。採用聲明式而非命令式編程，用戶只需以函數對象方式提供偏微分方程，可完全擺脫處理矩陣操作的痛苦。有限差分算法庫高效支持隱式、顯式、克朗可-尼科爾森（Crank-Nicholson）和交替方向隱式（ADI）方法的四種變型。此外，除了支持方案定制，有限差分算法還提供標準的邊界條件和標準的離散化方案。這些方案的實現均支持並行計算。
郵件聯繫 :
查詢熱線 :
