复杂多相流动分子动力学模拟在GPU上的实现-CSDN.PDF

中国科学 B 辑 :化学 2008 年 第 38 卷 第 12 期 : 1120 ~ 1128 SCIENCE IN CHINA PRESS 复杂多相流动分子动力学模拟在GPU 上的实现 ①② ①* ① 陈飞国 , 葛蔚 , 李静海 ① 中国科学院过程工程研究所多相复杂系统国家重点实验室, 北京 100190; ② 中国科学院研究生院, 北京 100049 * 联系人, E-mail: wge@ 收稿日期：2008-06-12; 接受日期：2008-10-08 国家自然科学基金(批准号和中国科学院知识创新工程(批准号：KGCXZ-YW-124)资助项目 摘要 利用 CUDA(Compute Unified Device Architecture)技术进行了图形处理器 关键词 (GPU)上的分子动力学(MD)模拟. 在一片 Tesla C870 上, 其速度 20~60 倍于 Intel 多相流动 Xeon 5430 CPU 之单核, 最高可达150 Gflops. 通过方腔流及颗粒-气泡接触等实例 分子动力学 初步展示了此方式从微观上模拟介观行为的能力. CUDA GPU 并行计算 1 前言 比和计算密度高、低能耗等优势. 如何在 MD 流动模 拟中利用 GPU 的强大能力已成为一个重要的现实 分子动力学(molecular dynamics, MD)模拟是随 课题. 着计算机技术的发展而兴起的一种科学计算方法, 从 1956 年Alder[1]首次使用以来, 现已应用到广泛的 从硬件结构上分析, 大量能够并行运算且共享 领域中, 如医药、材料、能源、机电等. 随着纳米、 (较小的)多级高速显存的线程处理器是GPU快速计算 微机电和微化工等技术的兴起, 纳微流动的MD模拟 的依靠. 它适合许多类似图形操作的计算和数据密 近年来也成为热点. 传统连续流体力学难以处理和 集型应用, 其典型正是粒子信息简单、运动相对独 解释这些尺度上的独特性质与现象, 而流动归根结 立、作用可叠加和近程相关而计算量大、时间长的 底是流体分子的集体行为, MD模拟能详细跟踪每个 MD模拟. 但传统GPU对非图形应用支持有限, 只能 分子的运动, 并通过分析速度、温度等统计性质阐释 通过图形API编程, 内存带宽较低且访问限制多, 从 理论中的难点、发现新的机理, 故日益受到重视. 但 而制约了其性能发挥. CUDA的发布[3] 为此提供了新 计算能力一直是制约此研究发展的瓶颈. 的软硬件架构. CUDA把GPU直接视作数据并行计算 现在这方面很多成熟算法都基于传统体系结构 设备而不再将计算映射到图形操作上, 并以类C语言 的中央处理器(CPU), 但其发展已显颓势：“摩尔定 的方式给开发者更大自由来实现GPU算法. CUDA还 律” [ 2] 难以为继, 而应用对计算能力的需求增长则远 能结合OpenMP, MPI和PVM等其他并行方式在节点 高于“