基于高阶有限差分的 GPU 可压缩流体模拟方法

我们致力于在 GPU 上使用三阶 Runge-Kutta 积分，实现并优化用于模拟可压缩流体的六阶有限差分求解器。由于图形处理器在数据并行任务中表现出色，这使其成为流体模拟的理想平台。然而，高阶模板计算在 GPU 的主存和缓存方面均具有极高的内存密集度。我们提出了使用 55 点和 19 点模板模拟可压缩流体的两种方法。我们通过使用缓存分块并将延迟受限内核分解为多个带宽受限内核，来降低方法对内存带宽和缓存大小的需求。我们最快的实现是带宽受限的，在 Tesla K40t GPU 上每秒可积分 $343$ 百万个网格点，相比在两颗 Intel Xeon E5-2690v3 处理器上基准测试的同类流体力学求解器实现了 $3.6 \times$ 的加速。我们的备选 GPU 实现是延迟受限的，达到了每秒 $168$ 百万次更新的速率。