计算机工程

作者：黄斌, 柳安军, 潘景山, 田敏, 张煜, 朱光慧

单位：1. 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), 山东 济南 2510132. 济南超级计算技术研究院高性能计算实验室, 山东 济南 2510133. 哈尔滨工业大学能源科学与工程学院, 黑龙江 哈尔滨 150001

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

基金：国家自然科学基金(62002186); 山东省重点研发计划项目(2021RZB01002)

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1.3×108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。

来源：2024年第2期

《计算机工程》期刊编辑部

查看计算机工程杂志2024年第2期