GPU加速高速粒子碰撞模拟

论文摘要

分子动力学（Molecular dynamics,简称MD）模拟作为一种重要的计算机模拟方法广泛应用于生物,化学,材料科学等众多学科中。然而计算性能一直都是限制MD使用的主要障碍。近年来,GPU作为一种新型的计算资源成为研究的热点。与传统CPU相比,GPU拥有更高的性能,更低的功耗和更高的性价比。因此,使用GPU加速分子动力学模拟,可以节约模拟的时间,提高模拟的规模,从而使分子动力学模拟能更广泛的应用到实际的工程中去。本文主要以高速碰撞的粒子模型为研究对象,基于NVIDIA CUDA编程模型和Brook+语言实现了GPU加速的分子动力学程序,并针对GPU的存储结构和多GPU对算法进行了优化,主要取得了如下成果:1、提出了一种优化的区域分解算法。本文改进了传统的区域分解算法,在通用处理器和GPU上分两次对分子动力学模拟中的计算任务进行分解,首次划分保证负载平衡,第二次划分解决通信开销和数据复用问题。2、提出了一种改进的粒子索引方法。通过在通用处理节点上对粒子进行排序,使相邻粒子的存储地址尽量靠近。当加速节点上的线程从全局内存上读取粒子信息时,能够呈现出数据局部性的特点,可以减少了线程从全局内存中读取数据的次数,从而节省时间。3、针对GPU的存储结构对程序进行优化。针对片上共享内存分体设计特点,实现了单精度算法下线程间无冲突的共享内存访问,减少了流处理器的闲置时间。4、使用多GPU对程序进行加速。采用常用的消息传递接口（MPI）协议实现通用处理器之间的并行划分,从而实现了各节点间GPU的并行计算,满足了更快速的分子动力学模拟的要求。本文对GPU加速的分子动力学模拟正确性和性能进行了测试。结果表明,GPU对MD算法的加速有明显效果。当粒子规模为43.2万时,经AMD HD4870加速后的MD程序的性能提高了4.8倍,而经Tesla C1060加速后,MD程序性能提高6.5倍。在使用多GPU对程序进行加速后,MD程序的性能提高了11.2倍。同时,经GPU加速的MD程序保证了结果的正确性。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题背景
• 1.2 研究现状
• 1.2.1 GPU 通用计算研究现状
• 1.2.2 GPU 加速分子动力学模拟研究现状
• 1.3 本文研究内容和创新
• 1.4 论文结构
• 第二章 背景知识
• 2.1 GPU 系统结构特点和编程模型
• 2.1.1 GPU 系统结构特点
• 2.1.2 GPU 通用编程模型
• 2.2 分子动力学算法
• 2.2.1 分子动力学模拟基本过程
• 2.2.2 作用力的计算
• 2.2.3 运动方程求解
• 2.2.4 周期性边界条件
• 第三章 使用GPU 加速MD 算法的实现技术
• 3.1 系统级设计
• 3.1.1 系统级任务分析
• 3.1.2 系统级任务分割
• 3.2 加速节点上的算法设计
• 3.2.1 分解方法
• 3.2.2 使用NVIDIA CUDA 模型的实现
• 3.2.3 使用Brook+语言的实现
• 第四章 使用GPU 加速MD 算法性能优化技术
• 4.1 针对GPU 存储结构优化技术
• 4.1.1 粒子索引方法
• 4.1.2 在CUDA 程序中使用共享存储器
• 4.1.3 针对AMD GPU 存储结构的优化方法
• 4.2 多GPU 加速的MD-MPI 算法
• 4.2.1 CPU 和GPU 连接方式
• 4.2.2 基于多GPU 加速的MD-MPI 算法
• 第五章 测试与分析
• 5.1 测试环境
• 5.2 正确性验证
• 5.2.1 测试用例
• 5.2.2 测试结果与分析
• 5.3 性能测试
• 第六章 结束语
• 6.1 工作总结
• 6.2 展望
• 致谢
• 参考文献
• 作者在读期间取得的学术成果