基于CUDA的超声二维声场EFIT仿真

随着图形处理器(GPU)的快速发展,基于计算设备统一构架(CUDA)可以方便地将并行计算技术应用于超声声场数值仿真计算,极大地提升计算效率。阐述了弹性动力学有限积分算法(EFIT)的原理,在采用CPU实现带吸收边界的钢材料二维点源激励声场仿真的基础上,基于GPU实现了仿真模型的并行计算,介绍了GPU程序的设计流程和参数优化方法,包括纹理内存使用、吸收边界优化和数据传输优化。对比了相同条件下CPU和GPU仿真计算的耗时和平均计算效率,定量分析了GPU对于EFIT模型效率的提升。比对结果表明,EFIT具有良好的并行计算条件,采用并行计算方法能够有效提升模型计算速度,对于复杂声场仿真应用具有广阔的应用前景。

基于GPU的B-S模型下改进的Crank Nicolson算法

针对Black-Scholes模型及其公式特点进行了理论分析与数学处理,给出了优化的Crank-Nicolson算法,提高了实际期权交易效率.通过使用GPU作为计算平台,结合CUDA架构技术,验证改进后算法的有效性和适用性.在CPU平台下进行横向测试,验证GPU平台运行环境优势.实验表明,改进后的算法在GPU平台下运行所提升的效果显著,运算精度和效率得到提高.

基于GPU的快速调强算法研究

研究了使用图形处理器(GPU)对调强放射治疗计划系统(IMRT)中分子动力学优化方法的加速方法及效果。利用统一计算设备构架(CUDA)平台,分别对4个临床肿瘤调强病例的笔束剂量响应矩阵的乘积运算进行GPU并行优化加速。比较和分析GPU并行加速笔束剂量响应矩阵的乘积运算的结果。结果表明,GPU平台上的计算结果与CPU平台的计算结果存在一定的差异,其最大相对误差为5.822×10^(-7),这一差异在临床上是可以接受的,GPU并行运算可以使计算速度提升9-12倍。

改进的储层直接取样随机模拟方法及GPU实现

讨论了储层随机模拟方法中的直接取样方法,并对其中地质模式分量的选取方式进行了改进,提出了结合空间相关关系模型结构化特性的方法.针对模式子空间中的求解问题,提出了基于统一计算设备构架(compute unified device architecture,CUDA)的并行策略.实验结果表明,模式分量选取方式的改进有效改善了两相河流沉积系统中河道的连续性,并且模式子空间中的求解的并行方法具有较小的时间复杂度.根据选取参数组的不同,并行方法的计算速度比串行方法最低提速10倍,最高提高了近100倍.

InSAR图的计算统一构架干涉滤波并行计算

作为InSAR处理中的重要操作,干涉图滤波是比较耗时的步骤之一。针对广泛应用的Goldstein滤波算法,文章设计了一种基于GPU的滤波加速方法,定量评价了滤波效果,并探讨了基于GPU加速的滤波时间与数据大小和滤波窗口大小的关系,讨论了当前GPU的核心设计在并行计算中的缺点。在取得与CPU处理结果相同精度的前提下,此方法获得大约22倍的加速比。

基于GPU加速的虚拟内窥镜手术实时冒烟仿真

采用计算流体力学建模方法提出了一种实时的动态三维冒烟仿真模型;利用定常、温度不变的不可压缩Navi-er-Stokes方程组构造冒烟仿真模型。为了满足虚拟内窥镜手术训练过程中冒烟仿真的实时性和视觉效果上逼真性的要求,利用基于CUDA+GPU软硬件体系结构的高性能计算平台,通过多线程的并发执行实现冒烟仿真模型的大规模并行计算,并使用基于硬件的光线跟踪算法对烟雾进行绘制。实验结果表明所述方法是有效的。