[發明專利]一種基于GPU的N體模擬程序性能優化方法

有效

• 申請號: 202110077894.4
• 申請日: 2021-01-20
• 公開（公告）號: CN112765870B
• 公開（公告）日: 2022-05-06
• 發明（設計）人: 王武;趙文龍
• 申請（專利權）人: 中國科學院計算機網絡信息中心
• 主分類號: G06F30/25
• 分類號: G06F30/25;G06F119/14
• 代理公司: 北京億騰知識產權代理事務所(普通合伙) 11309
• 代理人: 陳霽

1.一種基于GPU的N體模擬程序性能優化方法，其特征在于，包括以下步驟：

將相關索引信息傳入到GPU使得構造短程力列表的過程遷移到GPU上，同時使得構造列表的過程并行化；

改變線程塊調度的方式，通過GPU的流水調度，將粒子信息輪流加載到GPU的共享內存中；

在GPU核心函數中采用插值多項式和混合精度計算短程作用力，CPU上計算好插值常數后傳入GPU，存放在GPU的共享內存中；

對GPU上各粒子的短程力計算結果通過重排序，在GPU全局內存對同一粒子的加速度進行規約合并，在所有粒子計算完成后再將最終結果傳回CPU；

所述將相關索引信息傳入到GPU使得構造短程力列表的過程遷移到GPU上，同時使得構造列表的過程并行化步驟，包括：

在GPU顯存中分配短程力計算中所需求的target列表、source列表以及相關數組所需的顯存空間；

CPU端將預處理得到的具體粒子信息所需要的索引信息、每個包的粒子對應的索引數組以及在顯存中存儲的偏移量，傳入到顯存中；

GPU端單獨使用一個核函數，使每個線程處理單獨一個包，根據CPU端傳入的索引信息在顯存中已經存在的所有粒子的信息進行索引，得到對應包的粒子；以及根據各自包的偏移量進行存儲，生成所述target列表和所述source列表；

所述對GPU上各粒子的短程力計算結果通過重排序，在GPU全局內存對同一粒子的加速度進行規約合并，在所有粒子計算完成后再將最終結果傳回CPU步驟，包括：

在GPU端分配數組acc，保存進程所有粒子的加速度；

在每次P2P計算的過程中，將每個線程計算后的加速度在顯存所存儲的target_acc列表進行重排序，使得擁有相同粒子編號的部分規約到同一存儲地址；

使用一個核函數對重排序的列表進行規約，使每個線程統計一個粒子加速度，獲得每個粒子在這次計算中最終的加速度，再更新到acc數組中，一直在顯存中保存該數組到最后一批粒子計算完短程力；

在分批計算完所有粒子的P2P相關計算之后，最后一批粒子計算結束時將acc數組從顯存傳回到CPU內存，將CPU端的粒子信息進行更新。

2.根據權利要求1所述的優化方法，其特征在于，所述改變線程塊調度的方式，通過GPU的流水調度，將粒子信息輪流加載到GPU的共享內存中步驟，包括：

在GPU端分配數組acc，保存該進程所有粒子的加速度；

由一個GPU中的一個線程塊計算target列表中相同target包中的粒子，每個包只使用一個線程塊，其中的線程分批輪流加載不同的target粒子；或使每個包用一個或多個線程塊，每個線程計算這個包中的一個target粒子，每個新的包用新的線程塊，多余的線程空閑；

將部分source列表中的相關粒子加載到共享內存；

計算當前線程代表的target粒子與共享內存中的source粒子的相互作用；

加載新的source粒子到共享內存繼續計算，直到相互作用列表中所有source粒子的acc計算完成。

3.根據權利要求1所述的優化方法，其特征在于，所述在GPU核心函數中采用插值多項式和混合精度計算短程作用力，CPU上計算好插值常數后傳入GPU，存放在GPU的共享內存中步驟，包括：

對于GPU端的計算，有在除法中使用到的常數，在CPU端計算好，然后將其倒數作為常數傳入GPU，在GPU端進行乘法運算。