学位论文 > 优秀研究生学位论文题录展示

基于CPU-GPU集群的分子动力学并行计算研究

作　者: 苏丽丽
导　师: 郭禾
学　校: 大连理工大学
专　业: 计算机系统结构
关键词: CPU-GPU集群分子动力学元胞列表法区域分解法并行计算
分类号: TP338.6
类　型: 硕士论文
年　份: 2009年
下　载: 392次
引　用: 5次
阅　读: 论文下载

内容摘要

分子动力学模拟是一种离散模拟的方法,是计算量非常庞大的一种模拟分子运动的方法。其主要是以分子的运动规律为基础,计算分子在一定时间内的运动变化情况,根据计算过程中得到的数据,进行定性和定量的分析,从而得到分子体系的各种物理性质和化学性质。现已广泛的应用于物理、化学、生物、材料、医学等各个领域。GPU专为密集型、高度并行化的计算而设计,CUDA技术的应用降低了GPU通用计算开发难度。单GPU的计算能力已经比较强大,但是对于具有实际意义的超大规模的模拟系统来说,分子量高达上千万甚至上亿,这种系统所需要的计算能力远远大于单GPU,因此发展多个GPU并行的计算体系是有一定研究和实际意义的。本文主要针对分子动力学大规模模拟系统的并行计算进行研究。搭建CPU-GPU集群并行计算平台,集群中每个计算节点都以CPU为主处理器GPU为协处理器,将并行数值计算部分由GPU完成,其余操作由CPU完成。以CUDA为开发环境,完成分子动力学模拟在此集群上的实现。提出适合GPU计算的区域分解算法—“最小表面积法”进行并行任务的划分,这是一种(元胞)静态负载平衡算法,可以一定程度的降低集群中节点间通信代价,同时采用元胞列表法作为邻近分子搜索算法,有利于在GPU上的并行计算。采用MPI消息通信机制,并提出了适合本文设计系统的消息传递方法,根据这些算法提出了适合在CPU-GPU集群上实现的并行方案。从测试数据可以看出,对于大规模分子模拟系统的计算来说,GPU的计算能力远大于CPU的计算能力,在CPU-GPU集群上的计算效率远大于CPU集群上的计算效率。同时本文也设计并实现基于FPGA的分子模拟并行系统,测试表明GPU与FPGA的实现相比也占有一定的优势。

全文目录

摘要  4-5
Abstract  5-9
1 绪论  9-17
  1.1 分子动力学  9-13
    1.1.1 分子动力学简介  9
    1.1.2 势能函数  9-11
    1.1.3 系统运动方程  11-12
    1.1.4 分子搜索算法  12-13
  1.2 国内外研究现状  13-15
  1.3 本文主要研究内容  15-17
2 GPU与并行计算  17-25
  2.1 GPU简介  17-19
    2.1.1 GPU的发展  17-18
    2.1.2 CUDA技术  18-19
    2.1.3 GPU的并行计算原理  19
  2.2 并行计算  19-25
    2.2.1 并行算法设计  19-21
    2.2.2 并行任务分解算法  21-23
    2.2.3 MPI消息通信  23-25
3 集群架构与系统总体设计  25-32
  3.1 集群系统架构  25-26
  3.2 系统总体设计  26-32
4 CPU-GPU集群上的并行实现  32-46
  4.1 运行平台的搭建  32-35
    4.1.1 安装网络文件系统  32
    4.1.2 MPI并行编程环境的搭建  32-35
    4.1.3 CUDA安装  35
  4.2 系统初始化  35-36
  4.3 并行任务划分算法  36-38
  4.4 GPU上的并行计算  38-46
5 实验与结果分析  46-54
  5.1 单CPU与单GPU的性能比较  46-49
  5.2 单GPU与FPGA的性能比较  49-50
  5.3 CPU集群与CPU-GPU集群的性能比较  50-54
结论  54-56
参考文献  56-59
攻读硕士学位期间发表学术论文情况  59-60
致谢  60-61

基于CPU-GPU集群的分子动力学并行计算研究

内容摘要

全文目录

相似论文