基于GPU的一维热传导算法研究

【摘要】：近几年来由于GPU (Graphics Processing Unit,图形处理器)具有巨大的运算潜力,其大数据量运算、浮点运算的优势,使得它在越来越多的领域流行开来,许多研究者将传统的通用计算任务移植到GPU上运算。一般来说科学计算都是大数据量计算,所以常用到并行计算。但传统并行计算对硬件环境的要求较高,有时较难达到条件要求。同时,并行算法所用到的API比较复杂,不利于并行计算在科学计算中的运用。GPU并行计算既可在单机上实现并行计算又可以用于集群实现,而且性能比传统的并行计算高很多,一般来说GPU在单机上实现的效率就可与之前的集群并行计算效率相媲美。 本文以探索GPU大规模并行通用计算的运用模式为目标,从传统热传导问题入手,设计了一个轻量级热传导串行算法,并将此算法在GPU上的实现并行化。在GPU中将粒子按照数目规模划分为若干个网格,每执行一步共享内存中数据同步一次。200000步后计算结果数据传回CPU,计算出每个粒子的平均热流量。 本文中主要创新点是设计了一个轻量级一维热传导串行算法并将其优化成基于GPU的并行算法。目前的热传导算法一般是传统的串行算法或是效率不高的MPI并行算法,本文是首次将GPU并行计算运用于热传导计算这个方向。最后本文在CUDA平台下验证了一维热传导GPU并行算法相对于传统串行算法在最优情况下时间效率方面提高了近900倍,并随着粒子数的增加而加速提高。