面向液態(tài)金屬凝固過程的分子動力學(xué)GPU并行化研究與實現(xiàn).pdf

1、隨著計算機技術(shù)和集成電路技術(shù)的發(fā)展，作為圖形處理器的GPU(Graphics Processing Unit)現(xiàn)已發(fā)展成為專為密集型、高度并行的計算而設(shè)計的CPU的協(xié)處理器，用以完成大規(guī)模的計算任務(wù)。另一方面，MD(Molecular Dynamics)作為一種離散模擬方法，通過對大量模擬分子的運動進行定量和定性的分析，從而得出模擬體系的各種性質(zhì)，現(xiàn)已被廣泛應(yīng)用于物理、化學(xué)、生物、材料、醫(yī)學(xué)等各個領(lǐng)域。但其龐大的計算量制約著研究的發(fā)展。

2、因此本文基于CUDA(Computer Unified Device Architecture)技術(shù)利用GPU完成液態(tài)金屬凝固過程中的分子動力學(xué)模擬具有重要理論和實際意義。在液態(tài)金屬凝固過程中，模擬體系中包含的原子數(shù)越多，模擬結(jié)果越精確，觀察到的微觀性質(zhì)越多，越能預(yù)測事物的發(fā)展趨勢，進而對具體生產(chǎn)提供指導(dǎo)。
　　本文首先對GPU并行計算和分子動力學(xué)模擬方法進行了分析。在此基礎(chǔ)上，對傳統(tǒng)的分子動力學(xué)空間分解方法進行改進，使之與GPU

3、計算架構(gòu)相適應(yīng)，提出一種細粒度空間算法，縮小任務(wù)計算粒度，充分利用GPU內(nèi)大量的處理核。應(yīng)用細粒度空間分解法，對分子動力學(xué)模擬中最耗時的部分（近鄰原子表的更新以及作用力的計算）給出并行計算模型，對基于GPU的分子動力學(xué)并行算法進行分析，并通過在NVIDIA Tesla M2050 GPU上進行實現(xiàn)，將模擬系統(tǒng)的規(guī)模擴大到10000000原子。此外，針對并行模型的計算性能做了一系列的測試和評估，包括:采用不同的CUDA精度（單精度和雙精度

4、）;采用不同型號的GPU(NVIDIA 480GTX，580GTX和M2050);采用不同規(guī)模的CPU集群。將這些測試結(jié)果進行對比，測試結(jié)果表明:對于不同規(guī)模的模擬體系，基于GPU的計算相對于相應(yīng)的串行計算而言帶來了9-11倍的加速效果;相對于CPU集群（包含16個CPU處理核），GPU獲得了1.5-2個加速比。
　　基于分子動力學(xué)模擬結(jié)果，采用不同的物理結(jié)構(gòu)分析方法對其進行物理模擬實驗。首先，采用雙體分布函數(shù)對模擬結(jié)果值與理論實