| 摘要 | 第1-11页 |
| ABSTRACT | 第11-13页 |
| 第一章 绪论 | 第13-21页 |
| ·课题背景 | 第13-15页 |
| ·输运理论发展简介 | 第13-14页 |
| ·蒙特卡罗方法广泛应用于粒子输运问题 | 第14页 |
| ·高性能计算的研究对于解决粒子输运问题具有重要意义 | 第14-15页 |
| ·研究现状 | 第15-18页 |
| ·蒙特卡罗方法解决深穿透粒子输运问题的研究 | 第15-17页 |
| ·基于GPU 的伪随机数生成的研究 | 第17页 |
| ·基于GPU 的蒙特卡罗方法解决粒子输运问题 | 第17-18页 |
| ·存在的问题 | 第18页 |
| ·本文研究内容和论文结构 | 第18-21页 |
| ·主要研究内容 | 第18-19页 |
| ·论文结构 | 第19-21页 |
| 第二章 GPU 和中子输运MC 模拟 | 第21-36页 |
| ·NVIDIA GPU | 第21-25页 |
| ·G80 和GT200 体系结构 | 第21-22页 |
| ·Fermi 体系结构 | 第22-25页 |
| ·CUDA 编程模型 | 第25-30页 |
| ·主机与设备 | 第25-26页 |
| ·线程层次结构 | 第26-28页 |
| ·存储器层次结构 | 第28-30页 |
| ·中子输运MC 模拟 | 第30-36页 |
| ·基本概念 | 第31页 |
| ·源分布抽样 | 第31-32页 |
| ·碰撞距离抽样 | 第32-33页 |
| ·碰撞核及反应类型的确定 | 第33-34页 |
| ·散射后中子能量和方向的确定 | 第34页 |
| ·次级粒子的处理 | 第34-35页 |
| ·判断种子历史是否结束 | 第35-36页 |
| 第三章 基于GPU 的MCNP 伪随机数生成器 | 第36-44页 |
| ·基于GPU 的MCNP 伪随机数生成器的设计与实现 | 第36-40页 |
| ·随机数子序列种子的生成 | 第37-39页 |
| ·基于GPU 的随机数子序列的并行生成 | 第39-40页 |
| ·优化技术 | 第40-41页 |
| ·性能测试 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第四章 基于GPU 的深穿透粒子输运MC 模拟算法 | 第44-61页 |
| ·MCNP 粒子输运MC 模拟程序与算法分析 | 第44-46页 |
| ·基于GPU 的深穿透粒子输运MC 模拟细粒度数据级并行算法 | 第46-57页 |
| ·任务划分与负载平衡 | 第49-50页 |
| ·并行数据结构 | 第50-53页 |
| ·并行归约 | 第53-55页 |
| ·算法优化 | 第55-57页 |
| ·测试 | 第57-60页 |
| ·测试平台 | 第57页 |
| ·正确性验证 | 第57-58页 |
| ·性能测试 | 第58-60页 |
| ·本章小结 | 第60-61页 |
| 第五章 深穿透粒子输运MC 模拟CPU/GPU 协同算法 | 第61-71页 |
| ·协同并行计算概念 | 第61-62页 |
| ·深穿透粒子输运MC 模拟CPU/GPU 协同算法 | 第62-66页 |
| ·多级任务划分与负载平衡 | 第63-65页 |
| ·多级并行随机数生成器 | 第65-66页 |
| ·多级规并行归约 | 第66页 |
| ·测试 | 第66-69页 |
| ·测试环境 | 第67页 |
| ·单节点测试 | 第67-68页 |
| ·多节点测试 | 第68-69页 |
| ·本章小结 | 第69-71页 |
| 结束语 | 第71-73页 |
| ·工作总结 | 第71-72页 |
| ·展望 | 第72-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 作者在学期间取得的学术成果 | 第78页 |
