通过方差缩减提高 Monte-Carlo 模拟的计算效率

CCFE 在大型且复杂的托卡马克模型（如 ITER）上执行 Monte-Carlo 输运模拟。此类模拟极具挑战性，因为直穿效应和深穿透效应同等重要。为使此类模拟可行，需同时使用方差缩减（VR）技术和并行计算。研究发现，在此类模型中应用 VR 技术会因“长历史”而显著降低并行计算效率。MCNP 中的 VR 可通过能量依赖的权重窗（weight windows）实现。权重窗代表粒子的“平均行为”，而到达粒子权重的较大偏差会导致极大量的分裂操作和长历史的产生。在并行集群上运行时，长历史会对并行效率产生不利影响：若一个进程正在计算长历史，其他 CPU 在完成其批次的历史后将空闲等待。此外，某些长历史实际上已被证明难以处理。为应对这一效应，CCFE 开发了一种 MCNP 的改进版本，可在遇到较大权重偏差时动态调整权重窗。该方法有效地“去优化”了权重窗，降低了 VR 性能，但由此带来的损失被并行效率的显著提升所抵消。简单几何结构的测试表明该方法不会引入结果偏差。这种“长历史方法”使 CCFE 显著提升了 ITER 在并行集群上的 MCNP 计算性能，并将有益于任何兼具直穿效应和深穿透效应的几何结构。