面向流体机械仿真的层次化并行计算模型

随着流体机械基础并行算法的发展,传统的单核处理器已经不能很好地满足先进流体机械研发的技术需求,为此本文深入研究了流体机械的物理模型以及高性能计算机架构特点,设计并实现了能够充分表达物理模型并行性的高效的面向流体机械仿真的层次化并行计算模型(HP2H)。HP2H模型充分考虑流体机械的多层几何结构以及高性能计算机的多层逻辑架构,深入挖掘计算平台、计算模型以及物理模型的并行性,实现从物理模型到计算资源的高效任务映射。依据具体的轴流压气机转子数值模拟的实际应用背景,结合粗粒度并行和细粒度并行对模型进行实现。对HP2H计算模型进行了功能测试和性能测试,当计算核心从36核提升到432核时,计算性能提升约12倍,并行效率达到了100%。实验结果表明,HP2H计算模型不但在正确地对流体机械进行数值模拟的前提下实现了较好的计算性能,并且由于HP2H计算模型结合了粗粒度并行与细粒度并行,因而可以在不同的计算平台上运行,还可以便捷地实现计算规模的扩展,具有良好的可移植性与可扩展性。     

时空转换思想与算法并行化

通过对求解最优化问题计算的４种并行化方法的剖析，分析了数学思维过程中如何应用时空转换，把一个复杂问题的求解分解为在我个时空上的并行计算，加深了对设计并行算法的思维过程和多时空变换的理解。     

基于PC机群并行环境的构建方法

介绍一种用于高性能计算的并行环境－PC机群，从硬件平台和软件环境两个方面讲述了它的构建方法，并简单介绍了MPICH并行环境的使用方法。     

工作站群的并行计算性能

利用现有的某些应用实例，比较了工作站群和并行机用于并行计算方面的性能，说明工作站群在某些应用场合可以取代并行机。     

从公理语义看UNITY模型和GAMMA模型的关系

ＧＡＭＭＡ和ＵＮＩＴＹ都是面向问题描述的程序设计语言．ＵＮＩＴＹ开发了一种公理语义规范语言，即ＵＮＩＴＹ逻辑，描述和推导程序的特性．这一规范语言也可以很自然地移植到ＧＡＭＭＡ模型上去．基于上述语义规范，给出一个将ＵＮＩＴＹ程序变换成ＧＡＭＭＡ程序的保语义等价性的程序变换方法，从而证明了ＧＡＭＭＡ模型的描述能力强于ＵＮＩＴＹ模型     

矩阵乘法的并行计算及可扩展性分析

针对科学与工程计算中的大型矩阵乘积，与原有的串行算法相比照，利用向量外积法，构造了一种适用于多处理机系统的并行算法，给出了算法及实现过程，并进一步分析了算法的可扩展性．     

中子截面Doppler展宽算法及并行计算方法

为了提高现有中子截面Doppler展宽的计算效率,在反应堆物理蒙卡计算中实现在线Doppler展宽,提出了基于Gauss积分的连续能量中子截面Gauss展宽算法,以及与之相关的并行化计算方法,形成了全新的快速Doppler展宽方法,并编写了基于该方法的连续能量中子截面Doppler展宽程序。使用多个算例对该方法及程序进行了验证,并与传统方法进行了比较。验证结果表明,该方法在保证计算结果与传统Doppler展宽方法一致的前提下,计算速度相比传统方法提高了一个量级,完全可满足反应堆蒙卡计算中温度相关问题对截面快速Doppler展宽的需求。     

核电站结构地震动态响应并行计算研究

为了分析核电站复杂结构地震动态响应,以MPI作为基本并行编程环境,在LINUX操作系统下,开发了核电站结构地震动态响应的并行有限元计算程序。该程序采用黏弹性边界模拟外行波向远域地基的辐射,方程的求解采用时域显式解法,能够模拟包含各类静动荷载以及温度、接触等因素作用下的结构响应。经算例验证,该程序正确可靠。利用该程序对某核电站取水口建筑物进行了动态响应分析,并与ANSYS软件的分析进行比较,所花费时间从单机串行程序的20h40min减少到并行程序下的2h15min。结果证明,该并行程序具有较高的并行度以及良好的并行效率。     

基于OpenMP和Pardiso的柔性多体系统动力学并行计算

为加快大型、复杂柔性多体系统的动力学仿真的速度,对多体系统动力学的并行算法进行研究。首先分析了微分代数方程(differential algebraic equations,DAEs)在数值计算求解过程中主要的计算量。据此,提出采用OpenMP并行计算系统的刚度矩阵、右端项和采用并行的稀疏线性方程组求解器Pardiso对线性方程组进行求解的并行策略。将这两种并行策略应用到自主开发的柔性多体系统动力学软件THUSolver中,实现了对多体系统动力学的并行计算。通过两个工程算例的仿真得到并行的加速比和计算效率,结果表明:采用的两种并行策略都有很高的计算效率,能大幅提高多体系统动力学仿真的速度。     

基于八叉树编码的CUDA光线投射算法

目的针对传统的GPU光线投射算法绘制效果差,绘制效率低的问题,在CUDA架构上对光线投射算法进行优化和加速。方法首先采用八叉树对体数据进行编码,有效地剔除体数据中对重建图像无贡献的部分;其次,将体数据绑定到三维纹理上,根据体数据大小分配线程,每条光线与体数据求交时采用并行计算;最后,在CUDA内核中实现光线投射算法。结果仿真实验结果表明文中算法可以将传统GPU光线投射算法的绘制速度提高7～15倍,并增强算法的绘制效果。结论算法对传统的GPU光线投射算法的绘制速度和效果都有提高。