基于多GPU数值框架的流域地表径流过程数值模拟

与传统概念性水文模型相比,二维水动力模型可提供更丰富的流域地表水力要素信息,但是计算耗时太长的问题限制其推广应用,提升二维水动力模型的计算效率成为当前数字孪生流域建设工作中的关键技术难题之一。采用基于Godunov格式的有限体积法离散完整二维浅水方程组建立模型,通过消息传递接口(message passing interface,MPI)与统一计算设备架构(compute unified device architecture,CUDA)相结合的技术实现了基于多图形处理器(graphics processing unit,GPU)的高性能加速计算,采用理想算例和真实流域算例验证模型具有较好的数值计算精度,其中,理想算例中洪峰的相对误差为0.011%,真实流域算例中洪峰的相对误差为2.98%。选取宝盖寺流域为研究对象,分析不同单元分辨率下模型的加速效果,结果表明:在5、2、1 m分辨率下,使用8张GPU卡计算获得的加速比分别为1.58、3.92、5.77,单元分辨率越高,即单元数越多,多GPU卡的加速效果越明显。基于多GPU的水动力模型加速潜力巨大,可为数字孪生流域建设提供有力技术支撑。

线云隐私攻击算法的并行加速研究

线云定位方法能保护场景隐私,但也存在被隐私攻击算法破解的风险。该攻击算法能从线云恢复近似点云,但其计算效率较低。针对该问题,提出了一种并行优化算法,并对其运行时间和加速比进行了分析。具体来说,分别采用SPMD模式和流水线模式实现了CPU多核并行和GPGPU并行。然后,进一步结合数据并行模式实现了异构计算,以达到最高的并行度。实验结果表明,并行优化算法加速比最大为15.11,最小为8.20;相比原算法,并行优化算法的还原点云相对误差控制在原误差的0.4%以内,保证了算法的精度。该研究对线云隐私攻击算法以及其他密度估计问题、不同场景下的线云隐私保护算法等有重要意义和参考价值。

基于向量化的BESO方法灵敏度过滤快速算法

在使用双向渐进式拓扑优化算法(BESO)时,优化结果中常会出现棋盘格和网格依赖的现象。单元灵敏度过滤器是解决此类问题的有效方法,但随着结构规模扩大单元数量增多,计算单元权重因子耗时将十分可观,其原因是计算单元的权重因子数据需进行多次循环嵌套,逐一计算单元中心距,串行算法使得计算效率低下。通过结合深度学习训练模型中将数据集进行向量化预处理的思想,对灵敏度过滤计算所需数据进行向量化预处理,并推导了基于向量化的单元灵敏度过滤算法,将逐一的标量运算改进为可并行的矩阵运算。对向量化算法中可能出现的储存空间占用过大的问题,使用稀疏矩阵对储存空间进行优化,提出进一步改进的Sparse算法。通过ABAQUS二次开发实现了改进后的BESO拓扑优化流程,分别使用二维和三维悬臂梁算例进行计算时长验证,结果表明向量化的灵敏度过滤算法的加速比相对于双循环算法最高可达6,Sparse算法的加速比可达8,改进后的算法极大提升了单元权重因子和灵敏度过滤的计算速度。在计算权重因子时,Sparse算法的耗时略高于向量化算法,但在优化总耗时方面,Sparse算法优于向量化算法;当结构规模大单元数过多时,向量化算法可能限于硬件的内存容量无法计算,而Sparse算法则能够正常计算。

并行程序设计课程全过程多途径思政建设方案

并行计算的应用领域越来越广泛,众多计算机类专业都将并行程序设计作为必修课程。依据ACM/IEEE计算课程体系规范,结合国产超级计算机的发展,该文梳理该课程的教学内容和包括思政目标在内的课程目标,进而设计全过程多途径的总体思政方案。思政元素涵盖所有5个思政目标,且较好地分布在全部5个知识单元中,教学方法和工具均根据各个思政元素的特点量身选择或设计。该文最后论述两个课程思政设计案例供相关课程参考,包括通过引导加速比上限的讨论强调辩证地理解相关规律,以及借助互斥锁的线上实践培养严谨求实的治学态度。

大规模GNSS网多进程并行解算研究

针对大规模GNSS网常规数据处理时效性差、效率低的问题,基于GAMIT/GLOBK软件,利用进程池技术从多时段与多子网2个维度分别设计共享内存模型数据并行算法,并融合实现大规模GNSS网在时间域和空间域上的时空一体化双层并行解决方案。该方案可突破软件传统串行处理GNSS数据时效性差、多核计算资源利用率低的限制,在测试环境下最大加速比高达19.39,可充分挖掘计算机算力,大幅提升大规模GNSS网数据处理的时效性。

微地形引起的输电线路舞动案例分析

输电线路舞动主要由气象、地理、线路结构等因素等造成,其中微地形对风速有重要影响,进而影响到导地线的覆冰及舞动。对处于微地形的某输电线路舞动案例进行了山地风场仿真分析,结果表明附近微地形山丘对该输电线路的风速水平加速比达到了1.1,现场勘验发现N5—N6、N6—N7舞动幅值有明显差别,通过对影响舞动的因素分析,表明是由两段档距的大小差异造成的。提出了加装相间间隔棒、增塔缩档的防范措施。

基于GPU并行的重力、重力梯度三维正演快速计算及反演策略

利用NVIDIA CUDA编程平台,实现了基于GPU并行的重力、重力梯度三维快速正演计算方法.采用当前在重力数据约束反演或联合反演中流行的物性模型(密度大小不同、规则排列的长方体单元)作为地下剖分单元,对任意三维复杂模型体均可用很多物性模型进行组合近似,利用解析方法计算出所有物性模型在计算点的异常值并累加求和,得到整个模型体在某一计算点引起的重力(或重力梯度)值.针对精细的复杂模型体产生的问题,采用GPU并行计算技术,主要包括线程有效索引与优化的并行归约技术进行高效计算.在显卡型号为NVIDIAQuadro 2000相对于单线程CPU程序,重力和重力梯度Uxx、Uxy正演计算可以分别达到60与50倍的加速.本文还讨论了GPU并行计算在两种反演方法中的策略,为快速三维反演技术提供了借鉴.

CPU-GPU并行矩阵乘法的实现与性能分析

实现ATI平台上的CPU-GPU混合并行DGEMM,采用在GPU和CPU上同时进行计算的方法来提高运算性能。实验结果证明,当矩阵规模较大时,在AMD Phenom II X4 940和ATI FireStream 9270平台上,混合DGEMM性能相对于单独使用GPU平均提升了16%。通过实验验证了混合DGEMM性能、加速比、任务分配比例的估算方法,并探讨了影响混合DGEMM性能的各种因素。

波形松弛法的电力系统暂态稳定性并行仿真计算

仿真计算是进行电力系统暂态稳定性分析迄今为止最可靠的方法。本文提出一个基于波形松弛的电力系统暂态稳定并行仿真新方法。首先按照系统各部分的地理分区将其划分为多个子系统,将通过联络线及边界节点互联的子系统进行等值,从而得出相邻子系统对本子系统的影响;进一步将移置到边界处的子系统等值电流作为子系统间波形交互信息,实现互联子系统之间的解偶和并行松弛求解。在PC集群上的计算结果表明,该算法有比较高的并行加速比和计算效率,在无任何加速措施的情况下,对于较大规模的系统已达到了在线实时计算速度。

全球涡分辨率并行海洋模式POP在神威蓝光上的移植和应用

基于中国自行研制的超大规模并行计算机神威蓝光平台,对海洋环流模式POP进行移植和进一步优化,并进行模式和机器的并行测试。测试结果表明:0.1度分辨率在5 000核以内达到了线性加速比,随着使用线程数目的增多,虽然加速比依然增加,但是加速效率在降低,当线程数目达到24 000的时候加速比出现降低,加速效率只有12.6%;0.05度分辨率可在12 000核以内达到了线性加速比,同样随着线程数目的增多加速在增多但加速效率在降低,当线程数目达到32 000的时候加速比出现降低,加速效率只有25.7%。经过优化后的海洋环流模式POP在神威蓝光并行计算机系统上具有良好的兼容性,并行效率较高,而且具有很强的可扩展性,可用来开展超大规模的并行计算。对测试结果的进一步分析发现,发展并行性良好的线性方程组求解方案、快速高效的计算网络协议等问题是未来发展高分辨率模式中需解决的问题。

基于CTR模式的GPU并行AES算法的研究与实现

为了对任意长的明/密文进行并行加密/解密,在分析了AES(Advanced Encryption Standard)的多种模式后,采用了最合适的CTR(Counter)模式设计和实现了GPU(Graphics Processing Unit)并行AES算法,并进行了优化.针对Nvidia Geforce GTX460平台理论分析了CTR模式的并行AES算法和串行AES算法的时间复杂度,得到综合的加速比为31.59,然后在Nvidia Geforce GTX 460平台上实验运行,结果显示CTR模式的AES-256的GPU并行算法相对串行CTR模式的AES算法,实验加速比跟理论加速比基本吻合.在此基础上,对CTR模式的AES-256进行了优化.实验结果显示,优化的CTR模式的AES-256并行算法在加速比上随着明文的增大提升的比例渐渐减少并趋于稳定.优化的CTR模式的AES算法加密数据量小的明文时,其优化效果更为明显,故能有效地提升SSL(Secure Socket Layer,其明文区间为35KB-150KB)的加密性能.

一种串行/并行两用的区域标记算法

通过设计一种游程与目标体间接关联的数据结构实现游程标记冲突的实时解决,提出一种基于游程的顺序扫描式区域标记算法,只需一次扫描分析即可获取游程区域表达,复杂度低,编码实现方便,易于扩展应用于并行计算系统中进行并行标记。实验结果表明,该算法与已有算法相比,拥有更高效的串行标记性能,在进行并行标记时具有近似线性的加速比。

存储系统的集中式Cache替换算法

为了最大限度地优化存储系统的I/O性能,通过对存储系统性能的分析,提出一种Cache替换算法———最小访问时间算法(LAT).该算法为Cache中数据对象定义一个排队函数,该函数不仅与对象的Cache命中率有关,还与对象的设备访问速度有关.按照此函数,Cache替换访问次数少、设备访问时间短的对象,从而使得存储系统的平均I/O时间最短.实验结果表明,随着设备访问速度差的增加,LAT算法的平均I/O性能远远优于LRU和LFU.

基于CUDA的并行AES算法的实现和加速效率探索

网络应用服务（尤其是电子银行和电子商务）需要数据加密提供安全通信.很多应用服务器面临着执行大量计算稠密的加密挑战.CUDA（统一计算架构）是在GPU进行并行和通用计算的平台,能够利用现有显卡资源,以低成本的方式提升加密性能.在Nvidia GeForce G210显卡上实现CUDA的AES（高级加密标准）并行算法并且在AMD Athlon 7850上实现串行AES算法.实现的AES并行算法避免了同一线程块的线程同步和通信,提升了GPU的加速性能,加速比要比Manavski的AES-128并行算法提升2.66～3.34倍.在大数据量（至32MB）加密环境下探索AES并行算法的性能模型,并首次从加速效率角度分析加速性能.该并行AES算法在16核的GPU上能最高达到15.83倍的加速比和99.898％的加速效率.

GPU在海洋环流模式POP中的应用

在CUDA(Compute Unified Device Architecture)架构下将GPU(Graphic Processing Unit)计算首次应用到海洋环流模式POP(Parallel Ocean Program)中。测试结果表明:无论高分辨率还是低分辨率,GPU都能够提高海洋环流数值模式POP的计算速度,GPU加速比最低都在1.5倍以上,最高可以超过2.2倍;并且随着模式使用线程数目的增多,GPU的加速比在降低,但是GPU利用效率在增长。

PC Cluster技术的国内外现状与发展趋势

PCCluster技术是目前地球物理界非常关注的热点问题 ,国内外许多地震资料处理、解释中心都在致力于此项技术的研究和开发工作 ,并已经在叠前深度偏移、全三维可视化解释等方面得到初步应用。通过大量的文献调研和前一阶段项目研究工作的总结 ,对PCCluster的硬件特点、计算性能、软件环境等技术特征进行了扼要的阐述 ,对此项技术的国内外发展现状和地球物理领域开展PCCluster研究的必要性等问题作了较系统的总结 ,并重点结合自行开发的微机集群 ,对PCCluster技术的硬件环境、并行编译系统和应用效率作了较详细的探讨。最后阐述了PCCluster技术目前存在的问题和今后将面临的挑战。

激波与火焰面相互作用数值模拟的GPU加速

为考察计算机图形处理器(GPU)在计算流体力学中的计算能力,采用基于CPU/GPU异构并行模式的方法对激波与火焰界面相互作用的典型可压缩反应流进行数值模拟,优化并行方案,考察不同网格精度对计算结果和计算加速性能的影响.结果表明,和传统的基于信息传递的MPI 8线程并行计算相比,GPU并行模拟结果与MPI并行模拟结果相同;两种计算方法的计算时间均随网格数量的增加呈线性增长趋势,但GPU的计算时间比MPI明显降低.当网格数量较小时(1.6×104),GPU计算得到的单个时间步长平均时间的加速比为8.6;随着网格数量的增加,GPU的加速比有所下降,但对较大规模的网格数量(4.2×106),GPU的加速比仍可达到5.9.基于GPU的异构并行加速算法为可压缩反应流的高分辨率大规模计算提供了较好的解决途径.

多波前并行处理的弹塑性子结构并行有限元

研究一种基于ＰＶＭ 的弹塑性子结构并行有限元法。利用多个波前，对各子结构并行地进行静凝聚。再采用预条件共轭梯度法（ＰＣＧ）并行求解界面方程。算例表明该方法能获得较好的并行加速比，同时也能有效地节省内存量。

基于PVM的网络并行子结构共轭梯度法

网络并行环境是近年来国际上并行环境的一个重要方向，ＰＶＭ是当前最流行的支持异构或同构型网络并行计算的软件平台之一。本文采用子结构共轭梯度法研究了基于ＰＶＭ的网络并行有限元，该方法将有限元网格划分为ｎ个子结构，再将ｎ个子结构的数据分送给网上ｎ台可用微机，ｎ台微机并行形成和组集ｎ个子结构的劲度矩阵和荷载列阵，然后采用预条件共轭梯度法并行求解结点位移，最后ｎ台微机并行对ｎ个子结构进行应变和应力分析。该方法不需形成结构的总体劲度矩阵和荷载列阵，可同时迭代求出所有结点位移，且比一般的迭代法收敛要快。算例表明此种并行子结构共轭梯度法在网络上能获得较高的并行加速比。

一种求解结构动力响应的并行解法

利用直接积分法结合子结构技术和网络并行计算的特点，提出一种求解结构动力响应的网络并行解法．该方法在并行形成各子结构的劲度矩阵、质量矩阵、阻尼矩阵及荷载列阵后，并行进行各子结构的静凝聚，然后采用并行子结构预条件共轭梯度法迭代求解结点位移，从而确定结构的动响应．算例表明，随着子结构内点数和时间积分步数的增加，能获得较高的加速比．