-
题名基于GPU的LBM迁移模块算法优化
被引量：2
- 1
-
-
作者
黄斌
柳安军
潘景山
田敏
张煜
朱光慧
-
机构
齐鲁工业大学(山东省科学院)山东省计算中心(国家超级计算济南中心)
济南超级计算技术研究院高性能计算实验室
哈尔滨工业大学能源科学与工程学院
-
出处
《计算机工程》
CAS
CSCD
北大核心
2024年第2期232-238,共7页
-
基金
国家自然科学基金(62002186)
山东省重点研发计划项目(2021RZB01002)。
-
文摘
格子玻尔兹曼方法(LBM)是一种基于介观模拟尺度的计算流体力学方法,其在计算时设置大量的离散格点,具有适合并行的特性。图形处理器(GPU)中有大量的算术逻辑单元,适合大规模的并行计算。基于GPU设计LBM的并行算法,能够提高计算效率。但是LBM算法迁移模块中每个格点的计算都需要与其他格点进行通信,存在较强的数据依赖。提出一种基于GPU的LBM迁移模块算法优化策略。首先分析迁移部分的实现逻辑,通过模型降维,将三维模型按照速度分量离散为多个二维模型,降低模型的复杂度;然后分析迁移模块计算前后格点中的数据差异,通过数据定位找到迁移模块的通信规律,并对格点之间的数据交换方式进行分类;最后使用分类的交换方式对离散的二维模型进行区域划分,设计新的数据通信方式,由此消除数据依赖的影响,将迁移模块完全并行化。对并行算法进行测试,结果显示:该算法在1.3×10^(8)规模网格下能达到1.92的加速比,表明算法具有良好的并行效果;同时对比未将迁移模块并行化的算法,所提优化策略能提升算法30%的并行计算效率。
-
关键词
高性能计算
格子玻尔兹曼方法
图形处理器
并行优化
数据重排
-
Keywords
High Performance Computing(HPC)
Lattice Boltzmann Method(LBM)
Graphics Processing Unit(GPU)
parallel optimization
data rearrangement
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
