基于粒子的数值模拟方法GPU加速的研究与应用#林晨森，陈硕**510152025303540（同济大学航空航天与力学学院，上海200092）摘要：基于粒子的数值模拟方法在微观介观以及复杂现象的模拟中具有传统连续方法不具有的优势，但其巨大的计算量对现有的计算硬件提出了挑战。利用GPU加速科学计算是近年来的热点，本文介绍了将GPU应用于基于粒子的数值模拟方法时需要注意的问题，如优化数据通信的策略、元胞列表法的并行化更新、随机数的并行化生成、多GPU加速的技术等，并介绍了此领域的最新应用成果。关键词：粒子模拟GPUCUDA中图分类号：O0369ResearchandApplicationonAcceleratingParticleBasedNumericalSimulationwithGPULINChensen,CHENShuo(SchoolofAerospaceEngineeringandAppliedMechanics,TongjiUniversity,Shanghai200092)Abstract:Althoughparticlebasednumericalmethedissuperiortotraditionalcontinuousmethodinsimulatingmicroscopic，mesoscopicandcomplexphenomenon,itstillsuffersfromlargecalculationcosts.InrecentyearsacceleratingparticlebasednumericalmethedwithGPUhasbecomepopular.Inthispaper,theissuessuchasdatacommunicationoptimizationstrategy,parallelcell-listarrayupdating,generatingpseudo-randomnumberonGPU,accleratingwithmultipleGPUswerediscussed.Furthermore,thepioneeringapplicationsinthisfieldwerepresented.Keywords:particlesimulation；GPU；CUDA0引言基于粒子的数值模拟方法是研究微观、介观和复杂现象的常用数值模拟方法，它将模拟区域看做许多离散粒子的集合，各粒子之间根据牛顿定律运动、相互碰撞，可以通过统计这些粒子的各种参数来展现系统的行为。目前常见的粒子方法包括分子动力学方法、格子玻尔兹曼方法、耗散粒子动力学方法、光滑粒子动力学方法、蒙特卡洛方法、流体粒子方法等。基于粒子的数值模拟方法具有传统连续方法不具有的优势。但一般来说，粒子方法在模拟体系的行时所采用的粒子数目是十分庞大的，即使算法中做了简化或采用粗粒化来降低对计算能力的要求，仍然对目前计算机的运算速度提出了挑战。在过去的半个世纪里，CPU的摩尔定律一直未被打破，每隔18个月性能就将提升一倍，这种前所未有的提升速度使编程者通过等待下一代处理器的出现就可以提高程序的性能，而不用复杂的脑力劳动对程序进行改写。然而从2002年以后，单核处理器的性能提升降到了每年20%，相比于摩尔定律，十年的性能提升从97倍降到6倍，免费的午餐不再供应。基金项目：中央高校基本科研业务费专项资金(125065)；国家自然科学基金(51276130、10872152)、教育---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---部高等学校博士学科点专项科研基金(20120072110037)作者简介：林晨森（1988-），男，硕士研究生，主要研究方向：微流体，并行计算通信联系人：陈硕（1969-），男，教授，微流体.schen_tju@tongji.edu.cn-1----本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---究其原因，因为CPU上的晶体管包含3个电极，分别是源极、漏极和作为控制电极的栅极。如果给栅极增加电压的话，分隔区域就会打开一个通道，帮助电子轮流从源极进入漏极，此时晶体管处于“开”的状态。但是，当晶体管的结构越来越小的时候，即使栅极不加电压，源、漏极之间仍然有电流通过。也就是说，在应该处于“关”的状态时，晶体管仍然455055606570保持“开”的状态。该问题的存在意味着我们无法通过继续减小晶体管的体积来获得更高的性能。2013年最先进的制程工艺是22nm，已经接近理论极限。早在2005年，各CPU制造商已经开始主推多核产品，而不是性能更高的单核产品，但是在不改变程序结构的情况下，程序任然将在单核心上运行，而没有利用其他的计算核心，只通过更换多核处理器并不能带来性能提升。至今，没有一款软件能帮我们自动改写串行程序，如果要利用多个CPU核心的计算能力，则必须重新设计程序。通过MPI、Pthreads、OpenMP等并行计算的应用程序接口，人们开始堆积CPU，实现比单核高出十几倍的高性能并行计算[1-2]...