首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--电子数字计算机(不连续作用电子计算机)论文--各种电子数字计算机论文

神威·太湖之光上分子动力学软件的实现与优化

摘要第5-6页
ABSTRACT第6-7页
第1章 绪论第13-23页
    1.1 研究背景第13-18页
        1.1.1 神威·太湖之光简介第13-14页
        1.1.2 申威处理器介绍第14-17页
        1.1.3 超级计算机对生物技术发展的影响第17-18页
    1.2 分子动力学软件在神威·太湖之光上实现与优化面临的挑战第18-20页
        1.2.1 软件实现面临的挑战第18-19页
        1.2.2 芯片级优化面临的挑战第19-20页
        1.2.3 系统级优化面临的挑战第20页
    1.3 论文研究目标和主要工作第20-22页
        1.3.1 分子动力学软件NAMD在神威·太湖之光上的实现第21页
        1.3.2 分子动力学软件NAMD在神威·太湖之光上的优化第21-22页
    1.4 论文结构第22-23页
第2章 相关工作第23-31页
    2.1 NAMD软件简介第23-26页
        2.1.1 软件简介第23-24页
        2.1.2 版本历史介绍第24页
        2.1.3 主要功能和应用场景第24-25页
        2.1.4 Charm++介绍第25-26页
    2.2 软件设计思想第26-27页
    2.3 NAMD软件在GPU和MIC平台上的移植与优化第27-28页
        2.3.1 GPU上NAMD软件的移植与优化技术第28页
        2.3.2 Xeon Phi上NAMD软件的移植与优化技术第28页
    2.4 超级计算机上的优化第28-29页
    2.5 本章小结第29-31页
第3章 NAMD软件结构和行为特征分析第31-43页
    3.1 软件组成结构分析第31-34页
        3.1.1 软件核心计算流程第31-32页
        3.1.2 软件接口第32-33页
        3.1.3 核心代码第33页
        3.1.4 输入输出文件数据分析第33-34页
    3.2 软件执行流程分析第34-35页
    3.3 程序运行时行为特征分析第35-41页
        3.3.1 性能分析工具介绍第35页
        3.3.2 实验平台第35-36页
        3.3.3 计算,通信,访存以及I/O特征分析第36-41页
    3.4 本章小结第41-43页
第4章 NAMD软件在神威·太湖之光上的实现第43-51页
    4.1 第三方库的移植第43-45页
        4.1.1 TCL移植第43-44页
        4.1.2 FFTW移植第44页
        4.1.3 CHARM++移植第44-45页
    4.2 NAMD移植第45-47页
    4.3 NAMD核心代码在申威处理器上的重新实现第47-48页
    4.4 正确性验证第48-49页
    4.5 本章小结第49-51页
第5章 NAMD软件在神威·太湖之光上的优化第51-69页
    5.1 优化前基准性能测试第51-54页
        5.1.1 测试环境第51-53页
        5.1.2 测试算例第53-54页
    5.2 数据访存优化第54-56页
        5.2.1 利用从核内存减少从核频繁访问主核内存第54-55页
        5.2.2 通过DMA方式来降低主从核之间数据交换时间第55页
        5.2.3 数据重构第55-56页
    5.3 硬件特性优化第56-58页
        5.3.1 SIMD优化第56-57页
        5.3.2 寄存器通信优化第57-58页
    5.4 工作模式优化第58-61页
        5.4.1 主从核协同工作模式第58页
        5.4.2 计算存储分离工作模式第58-61页
    5.5 任务分发和负载平衡控制新模型第61-63页
        5.5.1 整机并行下存在的问题第61-62页
        5.5.2 任务拥塞解决策略第62-63页
    5.6 优化后性能分析第63-67页
        5.6.1 申威处理器上的分析第63-66页
        5.6.2 整机系统性能分析第66-67页
    5.7 本章小结第67-69页
第6章 全文总结第69-72页
    6.1 研究工作总结第69-70页
    6.2 本文创新点第70-71页
    6.3 未来工作展望第71-72页
参考文献第72-77页
致谢第77-78页
在读期间发表的学术论文与取得的研究成果第78-79页
在读期间参与的科研项目第79页

论文共79页,点击 下载论文
上一篇:面向异源数据的机器学习算法研究
下一篇:电商用户消费行为预测与心理建模方法研究