基于GPU的单颗粒冷冻电镜三维重构并行优化与实现
| 摘要 | 第9-10页 |
| ABSTRACT | 第10页 |
| 第一章 绪论 | 第11-20页 |
| 1.1 研究背景与意义 | 第11-13页 |
| 1.2 单颗粒冷冻电镜三维重构 | 第13-16页 |
| 1.2.1 单颗粒冷冻电镜三维重构的流程 | 第13-14页 |
| 1.2.2 单颗粒冷冻单晶三维重构的现状 | 第14-15页 |
| 1.2.3 单颗粒冷冻电镜三维重构的问题 | 第15-16页 |
| 1.3 GPU的应用背景 | 第16-18页 |
| 1.3.1 GPU概述 | 第16页 |
| 1.3.2 CUDA编程模型 | 第16-18页 |
| 1.3.3 CUDA优化的挑战 | 第18页 |
| 1.4 论文主要的研究工作与结构安排 | 第18-20页 |
| 1.4.1 论文的主要工作和成果 | 第18-19页 |
| 1.4.2 论文的组织结构 | 第19-20页 |
| 第二章 冷冻电镜三维重构的研究 | 第20-33页 |
| 2.1 三维重构的原理 | 第20-24页 |
| 2.1.1 问题的定义 | 第20-22页 |
| 2.1.2 二维投影 | 第22页 |
| 2.1.3 傅里叶变换 | 第22页 |
| 2.1.4 中央截面定理 | 第22-23页 |
| 2.1.5 噪声和CTF参数 | 第23页 |
| 2.1.6 维纳滤波 | 第23-24页 |
| 2.2 基于贝叶斯的EM算法 | 第24-26页 |
| 2.2.1 最优化问题 | 第24页 |
| 2.2.2 EM迭代算法 | 第24-25页 |
| 2.2.3 基于贝叶斯的EM算法 | 第25-26页 |
| 2.3 RELION程序分析 | 第26-33页 |
| 2.3.1 程序框架 | 第26-30页 |
| 2.3.2 热点分析 | 第30-33页 |
| 第三章 GeRelion并行计算框架 | 第33-41页 |
| 3.1 CPU-GPU协同计算 | 第33-36页 |
| 3.1.1 协同计算模式 | 第33-34页 |
| 3.1.2 改进的对等计算模型 | 第34-36页 |
| 3.2 基于GPU的多级并行计算模型 | 第36-39页 |
| 3.2.1 多级并行模型 | 第36-37页 |
| 3.2.2 自适应并行粒度 | 第37-38页 |
| 3.2.3 程序结构重构 | 第38-39页 |
| 3.2.4 基于流的异步执行 | 第39页 |
| 3.3 GPU存储管理 | 第39-41页 |
| 3.3.1 数据结构重组 | 第39-40页 |
| 3.3.2 统一空间分配和变量周期管理 | 第40-41页 |
| 第四章 基于CUDA的GeRelion实现与优化 | 第41-56页 |
| 4.1 粗粒度和高并行度相结合的循环优化 | 第41-47页 |
| 4.1.1 粗粒度采样：合并循环的粗粒度并行 | 第41-43页 |
| 4.1.2 细粒度采样：高并发细粒度并行 | 第43-47页 |
| 4.2 非确定阈值计算的优化实现 | 第47-49页 |
| 4.3 基于原子操作的规约实现与优化 | 第49-51页 |
| 4.3.1 块内规约操作 | 第49-50页 |
| 4.3.2 全局规约操作 | 第50-51页 |
| 4.4 对于访存操作的优化 | 第51-56页 |
| 4.4.1 数据重用 | 第52-54页 |
| 4.4.2 合并访存 | 第54-56页 |
| 第五章 性能测试与分析 | 第56-64页 |
| 5.1 实验平台与实验数据 | 第56-57页 |
| 5.1.1 实验平台 | 第56页 |
| 5.1.2 实验数据 | 第56-57页 |
| 5.2 实验结果分析 | 第57-64页 |
| 5.2.1 正确性分析 | 第57页 |
| 5.2.2 加速比和扩展性分析 | 第57-62页 |
| 5.2.3 程序执行时间分布 | 第62-64页 |
| 结束语 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 作者在学期间取得的学术成果 | 第70页 |
| 学术论文 | 第70页 |
| 作者在校期间参与的科研工作 | 第70页 |
