首页--数理科学和化学论文--晶体学论文

基于MPI+CUDA并行的相场模型模拟研究

摘要第8-9页
Abstract第9-10页
第1章 绪论第13-18页
    1.1 课题研究背景及意义第13-14页
    1.2 国内外研究现状第14-16页
        1.2.1 相场和流场研究现状第14-15页
        1.2.2 并行化计算在微观凝固组织中的研究现状第15-16页
    1.3 本文主要研究内容第16-17页
    1.4 本文结构安排第17-18页
第2章 MPI与CUDA并行计算简述第18-29页
    2.1 并行计算概述第18-19页
        2.1.1 为什么要使用并行计算第18页
        2.1.2 并行的两种方式第18-19页
    2.2 物理问题在并行机上的求解第19-20页
    2.3 MPI并行编程技术第20-24页
        2.3.1 MPI简介第20-22页
        2.3.2 MPI通信模式第22页
        2.3.3 MPI两种基本程序设计模式第22-24页
    2.4 CUDA并行编程技术第24-28页
        2.4.1 GPU简介第24页
        2.4.2 CUDA内核函数第24-25页
        2.4.3 CUDA线程第25-26页
        2.4.4 CUDA存储第26-27页
        2.4.5 CUDA异构编程第27-28页
    2.5 本章小节第28-29页
第3章 建立PF-LBM模型第29-36页
    3.1 建立相场模型第29-32页
        3.1.1 基本原理第29-30页
        3.1.2 构造数学模型第30-32页
    3.2 建立LBM流场模型第32-34页
        3.2.1 基本原理第32页
        3.2.2 构造数学模型第32-34页
        3.2.3 D3Q19流场模型第34页
    3.3 在相场模型中耦合LBM流场模型第34-35页
    3.4 本章小结第35-36页
第4章 数值模拟异构并行化实现及优化第36-53页
    4.1 数值模拟参数与步长第36-37页
    4.2 初始条件设置第37页
    4.3 PF-LBM模型在MPI中的并行编程设计第37-40页
        4.3.1 设计模式选择第37页
        4.3.2 模型并行化分割第37-39页
        4.3.3 节点边界交换第39页
        4.3.4 MPI并行设计实现第39-40页
    4.4 CUDA三维数组编程优化第40-43页
        4.4.1 普通编程语言数组使用第40-41页
        4.4.2 CUDA中的数组使用第41页
        4.4.3 在CUDA中使用伪三维数组第41-43页
    4.5 CUDA随机数优化第43-45页
        4.5.1 减少迭代次数第44页
        4.5.2 通过CPU产生传给GPU第44-45页
        4.5.3 不同随机数产生方法的效率及分析第45页
    4.6 PF-LBM模型在MPI+CUDA中的异构实现第45-50页
        4.6.1 MPI+CUDA异构编译优化第46页
        4.6.2 异构方案第46-49页
        4.6.3 异构方案选择第49-50页
    4.7 PF-LBM模型在MPI+CUDA上的设计实现第50-51页
    4.8 MPI与CUDA编程注意事项第51-52页
    4.9 本章小结第52-53页
第5章 模型结果及并行化分析第53-60页
    5.1 模拟实验环境第53页
    5.2 不同模拟结果对比第53-56页
        5.2.1 合金相场模拟结果与实验结果对比第53-54页
        5.2.2 相场中加入流场的枝晶生长状态与流线第54页
        5.2.3 串行模拟结果与并行模拟结果对比第54-56页
    5.3 模拟效率及分析第56-58页
        5.3.1 不同方法模拟时间分析第56-57页
        5.3.2 相同节点MPI与MPI+CUDA时间分析第57-58页
        5.3.3 并行模拟加速比第58页
    5.4 模拟规模及分析第58-59页
    5.5 本章小结第59-60页
总结与展望第60-62页
参考文献第62-66页
致谢第66-67页
附录A 攻读硕士期间所发表的论文第67-68页
附录B 攻读硕士学位期间所参与的科研项目第68页

论文共68页,点击 下载论文
上一篇:基于纹理特性与视觉关注度的HEVC优化研究
下一篇:基于多特征融合的粒子滤波跟踪算法研究