层析法计算三维物体全息图的并行加速研究

随着计算空间光调制器的分辨率的尺寸逐渐变大，全息图三维动态显示的计算量也越来越大，使得对全息计算速度提出了新的要求。利用GPU并行计算处理的方式实现全息图的快速层析法计算，该方法利用GPU并行多线程和层析法中的图像二维傅里叶变换的优势对菲涅尔衍射变换算法加速计算；同时通过对GPU底层资源的调用和对CUDA中程序的流处理过程，有效减少中间的延时等待。通过对计算速度对比分析表明:与在CPU上运算相比，计算速度大幅提升，基于GPU并行计算的方法比基于CPU计算的方法速度快10倍左右。     

耗散粒子动力学GPU并行计算研究

研究了耗散粒子动力学基于计算统一设备架构的图形处理器(GPU)并行计算的实施.对其中涉及的算法映射模型、Cell-List法数组的并行化更新、随机数生成、存储器访问优化、负载平衡等进行了详细的讨论.进一步模拟了Poiseuille流动和突扩突缩流动,从而验证了GPU计算结果的正确性.计算结果表明,相对于基于中央处理器的串行计算,在耗散粒子动力学中实施GPU并行计算可以获得约20倍的加速比.     

激波与火焰面相互作用数值模拟的GPU加速

为考察计算机图形处理器（GPU）在计算流体力学中的计算能力,采用基于CPU/GPU异构并行模式的方法对激波与火焰界面相互作用的典型可压缩反应流进行数值模拟,优化并行方案,考察不同网格精度对计算结果和计算加速性能的影响.结果表明,和传统的基于信息传递的MPI 8线程并行计算相比,GPU并行模拟结果与MPI并行模拟结果相同;两种计算方法的计算时间均随网格数量的增加呈线性增长趋势,但GPU的计算时间比MPI明显降低.当网格数量较小时（1.6×10⁴）,GPU计算得到的单个时间步长平均时间的加速比为8.6;随着网格数量的增加,GPU的加速比有所下降,但对较大规模的网格数量（4.2×10⁶）,GPU的加速比仍可达到5.9.基于GPU的异构并行加速算法为可压缩反应流的高分辨率大规模计算提供了较好的解决途径.     

GPU implementations of the bond fluctuation model

We present two parallel implementations of the bond fluctuation model on graphics processors that outperform by a factor of up to 50 times an equivalent implementation on single CPU processor. The first algorithm is a parallelized version of an accelerated MC method published earlier in [S. Nedelcu, J.-U. Sommer, Single chain dynamics in polymer networks: a Monte Carlo study, J. Chem. Phys. 130 (2009) 204902]. In this first algorithm we use the parallel domain decomposition technique to avoid monomer collisions. In contrast, in the second algorithm we associate each monomer with a parallel process, where all monomers in the system are attempted to move simultaneously. In both cases, only monomer moves that result in allowed bonds and preserve lattice occupancy are accepted. To validate the correctness of the GPU algorithms we simulated monodisperse polymer melts at monomer number density 0.5 and compared static and dynamical properties with standard CPU implementations. We found good agreement between the CPU and the GPU results, which demonstrates the equivalence of the serial and parallel implementations. The influence of higher monomer number density is discussed.     

GPU accelerated Monte Carlo simulation of the 2D and 3D Ising model

The compute unified device architecture (CUDA) is a programming approach for performing scientific calculations on a graphics processing unit (GPU) as a data-parallel computing device. The programming interface allows to implement algorithms using extensions to standard C language. With continuously increased number of cores in combination with a high memory bandwidth, a recent GPU offers incredible resources for general purpose computing. First, we apply this new technology to Monte Carlo simulations of the two dimensional ferromagnetic square lattice Ising model. By implementing a variant of the checkerboard algorithm, results are obtained up to 60 times faster on the GPU than on a current CPU core. An implementation of the three dimensional ferromagnetic cubic lattice Ising model on a GPU is able to generate results up to 35 times faster than on a current CPU core. As proof of concept we calculate the critical temperature of the 2D and 3D Ising model using finite size scaling techniques. Theoretical results for the 2D Ising model and previous simulation results for the 3D Ising model can be reproduced.     

双重并行环境下最短路径的研究

并行问题和最短路径问题已成为一个热点研究课题,传统的最短路径算法已不能满足数据爆炸式增长的处理需求,尤其当网络规模很大时,所需的计算时间和存储空间也大大的增加;MapReduce模型的出现,带来了一种新的解决方法来解决最短路径;GPU具有强大的并行计算能力和存储带宽,与CPU相比具有明显的优势;通过研究MapReduce模型和GPU执行过程的分析,指出单独基于MapReduce模型的最短路径并行方法存在的问题,降低了系统的性能;论文的创新点是结合MapReduce和GPU形成双并行模型,并行预处理数据,针对最短路径中的数据传输和同步开销,增加数据动态处理器;最后实验从并行算法的性能评价指标平均加速比进行比较,结果表明,双重并行环境下的最短路径的计算,提高了加速比。     

Fast evaluation of Helmholtz potential on graphics processing units (GPUs)

This paper presents a parallel algorithm implemented on graphics processing units (GPUs) for rapidly evaluating spatial convolutions between the Helmholtz potential and a large-scale source distribution. The algorithm implements a non-uniform grid interpolation method (NGIM), which uses amplitude and phase compensation and spatial interpolation from a sparse grid to compute the field outside a source domain. NGIM reduces the computational time cost of the direct field evaluation at N observers due to N co-located sources from O(N²) to O(N) in the static and low-frequency regimes, to O(N log N) in the high-frequency regime, and between these costs in the mixed-frequency regime. Memory requirements scale as O(N) in all frequency regimes. Several important differences between CPU and GPU implementations of the NGIM are required to result in optimal performance on respective platforms. In particular, in the CPU implementations all operations, where possible, are pre-computed and stored in memory in a preprocessing stage. This reduces the computational time but significantly increases the memory consumption. In the GPU implementations, where handling memory often is a critical bottle neck, several special memory handling techniques are used to accelerate the computations. A significant latency of the GPU global memory access is hidden by implementing coalesced reading, which requires arranging many array elements in contiguous parts of memory. Contrary to the CPU version, most of the steps in the GPU implementations are executed on-fly and only necessary arrays are kept in memory. This results in significantly reduced memory consumption, increased problem size N that can be handled, and reduced computational time on GPUs. The obtained GPU–CPU speed-up ratios are from 150 to 400 depending on the required accuracy and problem size. The presented method and its CPU and GPU implementations can find important applications in various fields of physics and engineering.     

Data assimilation using a GPU accelerated path integral Monte Carlo approach

The answers to data assimilation questions can be expressed as path integrals over all possible state and parameter histories. We show how these path integrals can be evaluated numerically using a Markov Chain Monte Carlo method designed to run in parallel on a graphics processing unit (GPU). We demonstrate the application of the method to an example with a transmembrane voltage time series of a simulated neuron as an input, and using a Hodgkin–Huxley neuron model. By taking advantage of GPU computing, we gain a parallel speedup factor of up to about 300, compared to an equivalent serial computation on a CPU, with performance increasing as the length of the observation time used for data assimilation increases.     

An efficient mixed-precision,hybrid CPU–GPU implementation of a nonlinearly implicit one-dimensional particle-in-cell algorithm

Recently, an implicit, nonlinearly consistent, energy- and charge-conserving one-dimensional (1D) particle-in-cell method has been proposed for multi-scale, full-f kinetic simulations [G. Chen et al., J. Comput. Phys. 230 (18) (2011)]. The method employs a Jacobian-free Newton–Krylov (JFNK) solver, capable of using very large timesteps without loss of numerical stability or accuracy. A fundamental feature of the method is the segregation of particle-orbit computations from the field solver, while remaining fully self-consistent. This paper describes a very efficient, mixed-precision hybrid CPU–GPU implementation of the 1D implicit PIC algorithm exploiting this feature. The JFNK solver is kept on the CPU in double precision (DP), while the implicit, charge-conserving, and adaptive particle mover is implemented on a GPU (graphics processing unit) using CUDA in single-precision (SP). Performance-oriented optimizations are introduced with the aid of the roofline model. The implicit particle mover algorithm is shown to achieve up to 400 GOp/s on a Nvidia GeForce GTX580. This corresponds to 25% absolute GPU efficiency against the peak theoretical performance, and is about 100 times faster than an equivalent single-core CPU (Intel Xeon X5460) compiler-optimized execution. For the test case chosen, the mixed-precision hybrid CPU–GPU solver is shown to over-perform the DP CPU-only serial version by a factor of ～100, without apparent loss of robustness or accuracy in a challenging long-timescale ion acoustic wave simulation.     

EAST运动斯塔克效应诊断数据处理中GPU并行化加速算法的研究

在EAST装置单道运动斯塔克效应(MSE)诊断系统数据处理中,采用CPU(中央处理器)+GPU(图形处理器)异构化模型,实现了数字谐波分析(DHA)算法的并行化加速计算。由CPU完成数据的加载及简单的数学计算,由GPU实现DHA算法的傅里叶正、逆变换及滤波等并行化计算,与串行算法相比,获得了2000倍以上的加速,可以满足MSE诊断实验期间及时数据处理的要求。     

密度矩阵重正化群的异构并行优化

密度矩阵重正化群方法（DMRG）在求解一维强关联格点模型的基态时可以获得较高的精度,在应用于二维或准二维问题时,要达到类似的精度通常需要较大的计算量与存储空间.本文提出一种新的DMRG异构并行策略,可以同时发挥计算机中央处理器（CPU）和图形处理器（GPU）的计算性能.针对最耗时的哈密顿量对角化部分,实现了数据的分布式存储,并且给出了CPU和GPU之间的负载平衡策略.以费米Hubbard模型为例,测试了异构并行程序在不同DMRG保留状态数下的运行表现,并给出了相应的性能基准.应用于4腿梯子时,观测到了高温超导中常见的电荷密度条纹,此时保留状态数达到10⁴,使用的GPU显存小于12 GB.     

密度矩阵重正化群的异构并行优化

密度矩阵重正化群方法（DMRG）在求解一维强关联格点模型的基态时可以获得较高的精度，在应用于二维或准二维问题时，要达到类似的精度通常需要较大的计算量与存储空间.本文提出一种新的DMRG异构并行策略，可以同时发挥计算机中央处理器（CPU）和图形处理器（GPU）的计算性能.针对最耗时的哈密顿量对角化部分，实现了数据的分布式存储，并且给出了CPU和GPU之间的负载平衡策略.以费米Hubbard模型为例，测试了异构并行程序在不同DMRG保留状态数下的运行表现，并给出了相应的性能基准.应用于4腿梯子时，观测到了高温超导中常见的电荷密度条纹，此时保留状态数达到10⁴，使用的GPU显存小于12 GB.     

密度矩阵重正化群的异构并行优化

密度矩阵重正化群方法（DMRG）在求解一维强关联格点模型的基态时可以获得较高的精度,在应用于二维或准二维问题时,要达到类似的精度通常需要较大的计算量与存储空间.本文提出一种新的DMRG异构并行策略,可以同时发挥计算机中央处理器（CPU）和图形处理器（GPU）的计算性能.针对最耗时的哈密顿量对角化部分,实现了数据的分布式存储,并且给出了CPU和GPU之间的负载平衡策略.以费米Hubbard模型为例,测试了异构并行程序在不同DMRG保留状态数下的运行表现,并给出了相应的性能基准.应用于4腿梯子时,观测到了高温超导中常见的电荷密度条纹,此时保留状态数达到10⁴,使用的GPU显存小于12 GB.     

密度矩阵重正化群的异构并行优化

密度矩阵重正化群方法（DMRG）在求解一维强关联格点模型的基态时可以获得较高的精度，在应用于二维或准二维问题时，要达到类似的精度通常需要较大的计算量与存储空间.本文提出一种新的DMRG异构并行策略，可以同时发挥计算机中央处理器（CPU）和图形处理器（GPU）的计算性能.针对最耗时的哈密顿量对角化部分，实现了数据的分布式存储，并且给出了CPU和GPU之间的负载平衡策略.以费米Hubbard模型为例，测试了异构并行程序在不同DMRG保留状态数下的运行表现，并给出了相应的性能基准.应用于4腿梯子时，观测到了高温超导中常见的电荷密度条纹，此时保留状态数达到10⁴，使用的GPU显存小于12 GB.     

密度矩阵重正化群的异构并行优化

密度矩阵重正化群方法（DMRG）在求解一维强关联格点模型的基态时可以获得较高的精度，在应用于二维或准二维问题时，要达到类似的精度通常需要较大的计算量与存储空间.本文提出一种新的DMRG异构并行策略，可以同时发挥计算机中央处理器（CPU）和图形处理器（GPU）的计算性能.针对最耗时的哈密顿量对角化部分，实现了数据的分布式存储，并且给出了CPU和GPU之间的负载平衡策略.以费米Hubbard模型为例，测试了异构并行程序在不同DMRG保留状态数下的运行表现，并给出了相应的性能基准.应用于4腿梯子时，观测到了高温超导中常见的电荷密度条纹，此时保留状态数达到10⁴，使用的GPU显存小于12 GB.     

密度矩阵重正化群的异构并行优化

密度矩阵重正化群方法（DMRG）在求解一维强关联格点模型的基态时可以获得较高的精度，在应用于二维或准二维问题时，要达到类似的精度通常需要较大的计算量与存储空间.本文提出一种新的DMRG异构并行策略，可以同时发挥计算机中央处理器（CPU）和图形处理器（GPU）的计算性能.针对最耗时的哈密顿量对角化部分，实现了数据的分布式存储，并且给出了CPU和GPU之间的负载平衡策略.以费米Hubbard模型为例，测试了异构并行程序在不同DMRG保留状态数下的运行表现，并给出了相应的性能基准.应用于4腿梯子时，观测到了高温超导中常见的电荷密度条纹，此时保留状态数达到10⁴，使用的GPU显存小于12 GB.     

密度矩阵重正化群的异构并行优化

密度矩阵重正化群方法（DMRG）在求解一维强关联格点模型的基态时可以获得较高的精度，在应用于二维或准二维问题时，要达到类似的精度通常需要较大的计算量与存储空间.本文提出一种新的DMRG异构并行策略，可以同时发挥计算机中央处理器（CPU）和图形处理器（GPU）的计算性能.针对最耗时的哈密顿量对角化部分，实现了数据的分布式存储，并且给出了CPU和GPU之间的负载平衡策略.以费米Hubbard模型为例，测试了异构并行程序在不同DMRG保留状态数下的运行表现，并给出了相应的性能基准.应用于4腿梯子时，观测到了高温超导中常见的电荷密度条纹，此时保留状态数达到10⁴，使用的GPU显存小于12 GB.     

密度矩阵重正化群的异构并行优化

密度矩阵重正化群方法（DMRG）在求解一维强关联格点模型的基态时可以获得较高的精度，在应用于二维或准二维问题时，要达到类似的精度通常需要较大的计算量与存储空间.本文提出一种新的DMRG异构并行策略，可以同时发挥计算机中央处理器（CPU）和图形处理器（GPU）的计算性能.针对最耗时的哈密顿量对角化部分，实现了数据的分布式存储，并且给出了CPU和GPU之间的负载平衡策略.以费米Hubbard模型为例，测试了异构并行程序在不同DMRG保留状态数下的运行表现，并给出了相应的性能基准.应用于4腿梯子时，观测到了高温超导中常见的电荷密度条纹，此时保留状态数达到10⁴，使用的GPU显存小于12 GB.     

密度矩阵重正化群的异构并行优化

密度矩阵重正化群方法（DMRG）在求解一维强关联格点模型的基态时可以获得较高的精度，在应用于二维或准二维问题时，要达到类似的精度通常需要较大的计算量与存储空间.本文提出一种新的DMRG异构并行策略，可以同时发挥计算机中央处理器（CPU）和图形处理器（GPU）的计算性能.针对最耗时的哈密顿量对角化部分，实现了数据的分布式存储，并且给出了CPU和GPU之间的负载平衡策略.以费米Hubbard模型为例，测试了异构并行程序在不同DMRG保留状态数下的运行表现，并给出了相应的性能基准.应用于4腿梯子时，观测到了高温超导中常见的电荷密度条纹，此时保留状态数达到10⁴，使用的GPU显存小于12 GB.     

密度矩阵重正化群的异构并行优化

密度矩阵重正化群方法（DMRG）在求解一维强关联格点模型的基态时可以获得较高的精度,在应用于二维或准二维问题时,要达到类似的精度通常需要较大的计算量与存储空间.本文提出一种新的DMRG异构并行策略,可以同时发挥计算机中央处理器（CPU）和图形处理器（GPU）的计算性能.针对最耗时的哈密顿量对角化部分,实现了数据的分布式存储,并且给出了CPU和GPU之间的负载平衡策略.以费米Hubbard模型为例,测试了异构并行程序在不同DMRG保留状态数下的运行表现,并给出了相应的性能基准.应用于4腿梯子时,观测到了高温超导中常见的电荷密度条纹,此时保留状态数达到10⁴,使用的GPU显存小于12 GB.