基于GPU的刚性化学动力学积分方法研究
计算物理
2017-03-30 v3 分布式、并行与集群计算
化学物理
摘要
我们实现了一种五阶隐式Runge-Kutta方法和两种配备Krylov子空间近似的四阶指数积分方法，并将其适配于GPU，且与解析化学动力学雅可比软件pyJac配对。通过对从随机部分搅拌反应器模拟中采样的热化学状态数据进行积分，评估了每种算法的性能，并与常用的基于CPU的隐式积分器CVODE进行了比较。我们估计，在使用氢气和甲烷模型且全局积分时间步长为1e-6 s的情况下，在单个GPU上运行的隐式Runge-Kutta方法等效于在12-38个CPU核心上运行的CVODE。在所研究的最刚性情况下——即全局积分时间步长为1e-4 s的甲烷模型——线程分歧和更高的内存流量显著降低了GPU性能，使其等效于在约三个CPU核心上运行的CVODE。指数积分算法在CPU和GPU上的运行速度均慢于隐式积分器。线程分歧和内存流量被确定为GPU积分器性能的主要限制因素，并讨论了缓解这些问题的技术。在GPU上使用有限差分雅可比矩阵——代替pyJac提供的解析雅可比矩阵——由于线程分歧极大地降低了积分器性能，导致最大减速7.11-240.96倍；相比之下，CPU上相应的减速仅为1.39-2.61倍，这凸显了使用解析雅可比矩阵对于高效GPU积分的重要性。最后，确定了通过GPU/SIMD加速刚性化学动力学积分以在反应流模拟中实现真实化学的未来研究方向。
引用
@article{arxiv.1607.03884,
title = {An investigation of GPU-based stiff chemical kinetics integration methods},
author = {Nicholas J. Curtis and Kyle E. Niemeyer and Chih-Jen Sung},
journal= {arXiv preprint arXiv:1607.03884},
year = {2017}
}
备注
34 pages, 6 figures; pdfLaTeX