The Parallel Monte Carlo Algorithm Implementation on GPU for the Systems with an Ising Hamiltonian under the Condition of a Constant Charge Density
本文致力于计算算法设计来描述经典伊辛磁体在某些特定情况下，当一个额外的宏观限制的形式，恒定的电荷密度存在于系统中。我们开发并实现了一种基于GPU的CUDA并行建模算法。这项工作的重点是实现算法的技术方面。
2023-01-27 physics.comp-ph
A GPU-based Large-scale Monte Carlo Simulation Method for Systems with Long-range Interactions
在这项工作中，我们提出了一个有效的实现典型的蒙特卡罗模拟库仑多体系统的图形处理单元（GPU）。我们的方法利用GPU的单指令，多数据（SIMD）架构。该算法采用Metropolis算法的顺序更新机制，在能量计算上不做任何近似。它达到了一个显着的440倍的加速比，相比，在CPU上的串行实现。我们用这种方法来模拟原始模型电解质。我们非常精确地测量所有的离子-离子对关联函数在高浓度下，并提取重整化德拜长度，重整化价的组成离子，重整化介电常数。这些结果明确地证明了超越经典泊松-玻尔兹曼理论的物理学。
2017-02-28 physics.comp-ph
TorchAmi: Generalized CPU/GPU Implementation of Algorithmic Matsubara Integration
本文提出 TorchAmi，一种基于 PyTorch 的算法化松原积分通用 CPU/GPU 实现，通过新算法改进费曼被积函数的符号表示，并附带图结构导入工具，用于高效解析费曼微扰展开中的嵌套松原积分。
2023-11-28 cond-mat.other hep-ph physics.comp-ph
GPU implementation of the Rosenbluth generation method for static Monte Carlo simulations
我们提出了并行版本的Rosenbluth自避免行走生成方法的图形处理单元（GPU）上使用CUDA库实现。该方法的规模几乎与CUDA核心的数量呈线性关系，方法的效率只有硬件的限制。该方法介绍了两种实现：在一个立方晶格和在真正的空间。我们发现一个很好的协议之间的串行和并行实现和一致的结果之间的晶格和真正的空间实现的线性链统计方法。所开发的Rosenbluth算法的GPU实现可用于蒙特卡罗模拟和其他需要大样本分子构象的计算方法。
2017-04-14 cond-mat.soft physics.comp-ph
GPU-accelerated Monte Carlo simulations of anisotropic Heisenberg ferromagnets
蒙特卡罗方法是一种强大的技术，用于计算热力学磁性状态，否则无法解决的自旋哈密顿量，但该方法变得计算上的限制与自旋的数量增加，真实材料和纳米结构的模拟是繁琐的。本文介绍了在图形处理器（GPU）上加速三维各向异性海森堡模型的蒙特卡罗模拟。这里提出的方法的GPU实现提供了两个数量级的加速超过传统的实现，并使大型系统的模拟，与任何晶格，包含高达$10^8$自旋在一个单一的GPU。这提供了模拟数百纳米大小的复杂结构和设备的可能性，以便以原子分辨率计算它们在有限温度下的磁状态。
2021-06-21 cond-mat.mes-hall cond-mat.stat-mech physics.comp-ph
ZMCintegral: a Package for Multi-Dimensional Monte Carlo Integration on Multi-GPUs
我们已经开发了一个Python包ZMCintegral，用于在多个图形处理单元（GPU）上进行多维Monte Carlo集成。该软件包采用分层抽样和启发式树搜索算法。我们已经构建了这个包的三个版本：一个使用Tensorflow，另两个使用Numba，两者都支持通用的用户定义函数，具有用户友好的界面。我们已经证明，Tensorflow和Numba可以帮助缺乏经验的科学研究人员在多个GPU上并行化他们的程序，而且工作量很小。对6维振荡函数和9维高斯函数这两种典型的被积函数进行了计算，并与VEGAS软件的计算精度和计算速度进行了比较。结果表明，ZMC积分的速度与VEGAS积分的速度相当，且具有一定的精度。对于繁重的计算，该算法可以在GPU的分布式集群上扩展。
2019-10-02 physics.comp-ph
A scalable multi-GPU method for semi-implicit fractional-step integration of incompressible Navier-Stokes equations
提出了一种可在多个图形处理器上扩展的流动求解器，用于直接数值模拟有壁面不可压缩流动。该求解器利用了之前报道的工作（J. Comp. Physics，第352卷（2018），第246 -264页），该工作提出了一种在单个GPU上的半隐式分数步方法。当在交替方向隐式（ADI）和基于傅立叶变换的直接方法中使用全局转置时，将这项工作扩展到适应多个GPU变得效率低下。提出了一种新的多GPU求解器设计策略，完全去除了全局转置，实现了高可扩展性。并行对角占优（PDD）和并行分区（PPT）的方法实现的GPU，以获得良好的缩放和保持精度。总效率为0.89。湍流平板边界层在607 M网格点上使用4个Tesla P100 GPU进行模拟。
2018-11-30 physics.comp-ph physics.flu-dyn
GPU accelerated Monte Carlo simulations of lattice spin models
我们考虑使用图形处理单元（GPU）提供的大规模并行架构的统计力学的经典自旋模型的蒙特卡罗模拟。我们讨论了离散和连续变量模型的模拟，并使用一系列算法，从单自旋翻转Metropolis更新集群算法到多规范和Wang-Landau技术，以判断GPU加速计算在这一领域的范围和局限性。对于讨论的大多数模拟，我们发现与单线程CPU实现相比，速度显著提高了两到三个数量级。
2011-07-27 cond-mat.stat-mech hep-lat physics.comp-ph
Adaptive Multi-GPU Exchange Monte Carlo for the 3D Random Field Ising Model
提出了一种自适应多GPU交换蒙特卡罗方法，用于三维随机场模型的模拟。算法设计基于两级并行化方案，该方案允许该方法在存在更快的GPU以及多个GPU的情况下扩展其性能。温度设置根据短期试运行中观察到的汇率进行调整，从而导致交换过程零星的区域的汇率增加。性能结果表明，并行回火是在GPU上实现的理想策略，并且相对于单核CPU版本在一到两个数量级之间运行，多GPU扩展大约是$99\%$有效的。所获得的结果扩展的可能性模拟的大小$L = 32, 64$的工作站与两个GPU。
2015-09-22 cond-mat.stat-mech cs.DC physics.comp-ph
An Efficient Cell List Implementation for Monte Carlo Simulation on GPUs
最大化现代GPU架构的性能潜力需要明智地利用可用的并行资源。虽然通过简单的映射通常可以获得显著的减少，但进一步的性能改进通常需要重新设计算法，以更紧密地利用目标体系结构。在本文中，我们专注于高效的分子模拟的GPU，并提出了一种新的细胞列表算法，更好地利用其并行资源。我们的目标是一个有效的GPU实现的大规模蒙特卡罗模拟的巨正则系综。这是一个特别具有挑战性的应用，因为与分子动力学的类似应用相比，计算和并行性本质上更少。与先前研究人员的结果一致，我们的模拟结果显示，用于分子系统的Monte Carlo模拟的传统单元列表实现对于小型系统[5，14]没有有效地提供性能改进，即使在移植到GPU时也是如此。然而，对于更大的系统，小区列表实现提供了显着的性能增益。此外，我们的新的单元格列表的方法，结果在所有的问题大小更好的性能相比，与其他GPU实现或没有单元格列表。
2014-08-16 cs.DC physics.comp-ph
Data Assimilation using a GPU Accelerated Path Integral Monte Carlo Approach
资料同化问题的答案可以表示为对所有可能的状态和参数历史的路径积分。我们将展示如何使用马尔可夫链蒙特卡罗方法设计并行运行的图形处理单元（GPU），这些路径积分可以进行数值计算。我们演示了该方法的应用程序的例子与跨膜电压的时间序列的模拟神经元作为输入，并使用Hodgkin-Huxley神经元模型。通过利用GPU计算的优势，我们获得了高达约300的并行加速因子，与CPU上的等效串行计算相比，性能随着用于数据同化的观测时间的长度增加而增加。
2011-06-13 physics.comp-ph physics.data-an
Parallel Adaptive Monte Carlo Integration with the Event Generator WHIZARD
我们描述了一种新的并行方法来评估的相空间的蒙特卡罗事件生成，实施的框架内的WHIZARD包。该程序实现了相空间的双重自适应多通道参数化，并利用标准的OpenMP和MPI协议进行并行化。异步通信的现代MPI3特性是计算模型的重要组成部分。并行数值评估适用于相空间积分和事件生成，从而涵盖了现实对撞机环境中物理模拟中计算最密集的部分。
2018-11-23 hep-ex hep-ph physics.comp-ph
Enabling GPU Portability into the Numba-JITed Monte Carlo Particle Transport Code MC/DC
本文介绍了蒙特卡罗中子输运代码MC/DC的GPU可移植性方案，通过Numba-JIT编译实现跨Nvidia和AMD GPU运行，并在多个基准测试中对比CPU取得了显著加速。
2025-05-29 physics.comp-ph
High-precision Monte Carlo study of the three-dimensional XY model on GPU
我们使用图形处理单元（GPU）在三维$L\times L \times L$立方晶格上对经典XY模型进行大规模蒙特卡罗模拟。通过Metropolis单自旋翻转，超松弛和并行回火方法的组合，我们模拟系统L=160。执行有限尺寸标度分析，我们得到的三维XY普适类：$α=-0.01293(48)$和$ν=0.67098(16)$的临界指数的估计。我们的相关长度指数$ν$的估计，与以前的理论估计相反，同意在超流过渡的$^4$他在微重力环境中的最新实验估计$ν_{\rm exp}=0.6709(1)$。
2012-11-05 cond-mat.stat-mech physics.comp-ph
Vegas Revisited: Adaptive Monte Carlo Integration Beyond Factorization
本文提出了一种新的自适应Monte Carlo积分算法。该算法将Vegas与多通道采样相结合，对物理学中出现的一大类积分，其性能明显优于Vegas。
1998-06-22 hep-ph physics.comp-ph
Ageing at the Spin-Glass/Ferromagnet Transition: Monte Carlo Simulation using GPUs
我们研究了N=128^3和10^8 Monte Carlo扫描的三维+/-J Edwards-Anderson模型的非平衡老化行为。特别是，我们感兴趣的变化时，从自旋玻璃相的铁磁相交叉的老化。通过采用基于CUDA的GPU实现，可以达到必要的长模拟时间，该实现允许单次旋转翻转时间小至8 ps。我们测量了典型的自旋玻璃关联函数的空间和时间，以确定增长的长度尺度和提取的构成指数。我们观察到一个明确的签名的无序驱动的非平衡行为的平衡转变。
2014-11-20 cond-mat.stat-mech physics.comp-ph
QCDGPU: open-source package for Monte Carlo lattice simulations on OpenCL-compatible multi-GPU systems
开发了多GPU开源软件包QCDGPU，用于有限温度、外磁场和O（N）模型下纯SU（N）胶子动力学的格点蒙特卡罗模拟。代码在OpenCL中实现，在AMD和NVIDIA GPU，AMD和Intel CPU上测试，并可以在其他OpenCL兼容设备上运行。该软件包包含最少的外部库依赖项，并且与操作系统平台无关。它针对异构计算进行了优化，因为可以将网格划分为不等价的部分，以隐藏所使用设备的性能差异。QCDGPU具有用于分布式仿真的客户端-服务器部分。该软件包的目的是产生格规范配置以及分析以前生成的。QCDGPU可以在容错模式下执行。Monte Carlo程序核心是基于PRNGCL库，用于在OpenCL兼容设备上生成伪随机数，其中包含几个最流行的伪随机数生成器。
2013-10-26 hep-lat physics.comp-ph
Efficient Monte Carlo Integration Using Boosted Decision Trees and Generative Deep Neural Networks
已经开发了基于机器学习的新算法，并基于生成式Boosted决策树和深度神经网络测试了Monte Carlo集成。这两种算法表现出显着的改进相比，现有的算法不可因式分解的被积体在可实现的集成精度为给定数量的目标函数的评估。大规模的Monte Carlo生成复杂的对撞机物理过程，提高效率，可以实现这些算法到常用的矩阵元素Monte Carlo发生器一旦其鲁棒性被证明和性能验证的相关类的矩阵元素。
2017-06-30 hep-ph physics.comp-ph
Explicit Integration with GPU Acceleration for Large Kinetic Networks
我们展示了最近开发的快速显式动力学积分算法在现代图形处理单元（GPU）加速器上的第一个实现。作为一个通用的测试案例，Ia型超新星爆炸与一个非常僵硬的热核网络有150个同位素物种和1604反应耦合到流体力学使用运营商分裂，我们证明了解决的能力，为了100现实的动力学网络并行的同时，标准的隐式方法可以解决一个这样的网络在CPU上。这种数量级的减少，在计算时间解决系统的现实动力学网络意味着重要的耦合，多物理场问题，在各种科学和技术领域，是棘手的，或者只能模拟高度示意性的动力学网络，现在计算上是可行的。
2015-01-10 astro-ph.SR cs.OH physics.comp-ph
jVMC: Versatile and performant variational Monte Carlo leveraging automated differentiation and GPU acceleration
神经量子态（NQS）的引入给变分蒙特卡罗（VMC）带来了新的发展。系统地减少波函数分析器的偏差的能力使得该方法具有广泛的适用性。然而，高性能的实现对于达到最先进的数值水平至关重要。在这里，我们提出了一个支持任意NQS架构和模型Hamilton的Python代码库。此外，它还利用自动区分、加速器的即时编译和分布式计算，旨在促进高效NQS算法的组合。
2021-12-14 cond-mat.dis-nn cond-mat.str-el physics.comp-ph
GPU-Based Parallel Integration of Large Numbers of Independent ODE Systems
集成大量独立的ODE系统的任务出现在各种科学和工程领域。对于非刚性系统，可以在GPU上使用常见的显式积分算法，其中各个GPU线程并发地积分具有不同初始条件或参数的独立ODE。一个示例是五阶自适应龙格-库塔-卡什-卡普（RKCK）算法。在刚性常微分方程的情况下，标准的显式算法需要不切实际的小的时间步长的稳定性的原因，和隐式算法，因此，通常使用，而不是允许更大的时间步长和减少计算费用。然而，基于向后微分公式的典型高阶隐式算法（例如，VODE、LSODE）涉及复杂的逻辑流，在GPU上实现时会导致严重的线程发散，从而限制了性能。因此，需要替代算法。基于GPU的Runge-Kutta-Chebyshev（RKC）算法可以处理中等水平的刚度，并且不仅比等效的CPU版本而且比基于CPU的隐式算法（VODE）执行得更快。在本章中，我们将介绍RKCK和RKC算法的数学背景、实现细节和源代码，这些算法用于在GPU上集成大量独立的常微分方程系统。此外，每个算法的简要性能比较，展示了移动到基于GPU的ODE集成器的潜在好处。
2016-11-06 cs.DC cs.MS physics.comp-ph
q-State Potts model metastability study using optimized GPU-based Monte Carlo algorithms
我们实现了基于GPU的并行代码来执行二维q态Potts模型的蒙特卡罗模拟。该算法基于棋盘式更新机制，并为每个线程分配独立的随机数生成器。该实现允许在测试的最快GPU卡上模拟高达约10^9次旋转的系统，每次旋转翻转的平均时间为0.147ns，与在高端CPU上运行的优化串行代码相比，加速高达155倍。在足够大的系统尺寸进行高速模拟的可能性，使我们能够提供一个积极的数值证据亚稳定性的存在非常大的系统的基础上宾德的标准，即，在存在或不特定的热奇点在旋节温度不同的过渡之一。
2012-03-09 cond-mat.stat-mech physics.comp-ph
VegasFlow: accelerating Monte Carlo simulation across platforms
在这项工作中，我们演示了VegasFlow库在多设备情况下的使用：一个节点中的多GPU和集群中的多节点。VegasFlow是一个新的软件，用于快速计算基于Monte Carlo积分的高度并行化积分。它受到Vegas算法的启发，Vegas算法经常被用作截面集成的驱动程序，并基于Google强大的TensorFlow库。在本文中，我们考虑一个典型的多GPU配置，以基准测试不同的批量大小如何提高（或降低）领先订单示例集成的性能。
2021-02-19 hep-ph physics.comp-ph
Performance Portable Monte Carlo Neutron Transport in MCDC via Numba
针对MC/DC中子输运应用，提出基于Numba编译器的跨平台性能可移植方案，使程序可灵活运行于纯Python、编译型CPU或GPU模式，并结合异步调度器Harmonize优化GPU性能，在CPU和GPU上均取得优异扩展性。
2025-05-29 physics.comp-ph
Vectorized Symmetric and Fermionic Tensor Network Implementations for GPU-Accelerated Variational Monte Carlo
California Institute of Technology（加州理工学院）
该研究针对现有TN-VMC算法无法充分利用GPU加速的问题，开发适配GPU的向量化对称张量网络实现，在二维费米-哈伯德模型中实现费米子TN变分波函数最高300倍的GPU加速。
2026-08-31 cond-mat.str-el physics.comp-ph quant-ph
Multi-GPU Accelerated Multi-Spin Monte Carlo Simulations of the 2D Ising Model
现代图形处理单元（GPU）能够以低成本执行大规模并行科学计算。本文将棋盘格算法推广到二维伊辛模型[T. Preis等人，J.Comp.Phys.228，4468（2009）]，以克服单个GPU的存储器限制，这使得我们能够模拟明显更大的系统。使用多自旋编码技术，与采用多自旋编码的优化的单个中央处理器（CPU）核心实现相比，我们能够将单个GPU上的模拟加速高达35倍。通过在CPU级别上将计算统一设备架构（CUDA）与消息解析接口（MPI）相结合，单个Ising lattice可以由GPU集群并行更新。对于大型系统，计算时间几乎与所使用的GPU数量成线性关系。作为概念的证明，我们使用有限尺寸标度技术再现了2D伊辛模型的临界温度。
2010-07-21 cs.GR math-ph math.MP
jQMC: A JAX-based ab initio quantum Monte Carlo package designed for GPU-accelerated computing
National Institute for Materials Science（物质材料研究机构）；Sorbonne Université（索邦大学）
该研究介绍了基于Python的jQMC程序包，用于从头算QMC模拟。它实现了VMC和LRDMC算法，采用特定波函数，利用JAX进行自动微分等，支持多GPU并行化。经测试，在GPU上运行时比TurboRVB更快，不同算法有不同程度性能提升。
2026-07-16 physics.chem-ph physics.comp-ph
An efficient GPU algorithm for tetrahedron-based Brillouin-zone integration
本文提出了一种在现代图形处理器（GPU）上计算固态系统动量空间积分的有效算法。我们的算法是基于四面体的方法，我们证明是非常适合在GPU框架中执行。为了实现最大性能，所有浮点运算都以单精度执行。为了在CUDA编程框架内对我们的实现进行基准测试，我们计算了铁基超导体中的轨道分辨态密度。然而，我们的算法是通用的，足以实现的改进结转到其他动量积分的计算，如，例如。如果我们的程序代码被集成到一个现有的中央处理器（CPU）的程序中，即当数据传输开销存在时，与纯CPU实现相比，可以实现高达$\sim130$的加速，这在很大程度上取决于问题的大小。如果我们的程序代码集成到现有的GPU程序中，即使对于中等大小的工作负载，也可以实现高达$\sim165$的CPU实现加速。
2018-06-16 cond-mat.str-el physics.comp-ph
Pseudo-random number generators for Monte Carlo simulations on Graphics Processing Units
基本的均匀伪随机数发生器是在ATI图形处理器（GPU）上实现的。讨论了在CPU和GPU上实现的生成器（乘性线性同余（GGL）、异或移位（XOR 128）、RANECU、RANMAR、RANLUX和Mersenne Twister（MT19937））的性能结果。所获得的加速因子是CPU的数百倍。在蒙特卡罗模拟中，RANLUX生成器是最适合在GPU上使用的生成器。简要介绍了高能物理中蒙特卡罗模拟软件包中所使用的伪随机数发生器。
2010-03-09 hep-lat physics.comp-ph
On the design of Monte-Carlo particle coagulation solver interface: a CPU/GPU Super-Droplet Method case study with PySDM
超液滴法（SDM）是一种粒子凝聚过程的概率Monte-Carlo模型，是Smoluchowski平均场公式的替代。SDM作为一种算法，其计算复杂度与状态向量长度成线性关系，状态向量长度在整个仿真过程中是恒定的，并且大多数算法步骤易于并行化。本文讨论了在PySDM中实现的SDM的两个数字运算后端的设计和实现，PySDM是一个新的免费开源Python软件包，用于模拟大气气溶胶，云和雨粒子的动态。这两个后端共享它们的应用程序编程接口（API），但利用不同的并行模式，针对不同的硬件，并构建在不同的低级例程集之上。First提供多线程CPU计算，基于Numba（使用Numpy数组）。Second提供GPU计算，并构建在ThrustRTC和CURandRTC之上（不使用Numpy数组）。在本文中，API讨论的重点是：跨步骤的数据依赖关系，并行化机会，CPU和GPU实现的细微差别，以及算法工作流程。示例模拟适用于验证API的实现。
2021-04-03 physics.comp-ph
GPU Accelerated Explicit Time Integration Methods for Electro-Quasistatic Fields
University of Wuppertal（伍珀塔尔大学）；Technische Universität Darmstadt（达姆施塔特工业大学）
本文提出利用显式Runge-Kutta-Chebyshev时间积分方案求解非线性材料电-准静态场问题，避免了全隐式方案中所需的牛顿-拉夫森迭代，通过常数预条件迭代求解多右端问题，实现高效的多GPU并行计算。
2016-12-30 cs.CE cs.NA math.NA
A High-Performance Design for Hierarchical Parallelism in the QMCPACK Monte Carlo code
本文提出 QMCPACK 的新型高性能并行设计，通过蒙特卡洛行走者群体概念提升 GPU 占用率并支持 CPU 回退，从而在异构架构上实现更高性能并降低维护成本。
2022-09-29 physics.comp-ph
GPU Acceleration of Monte Carlo Tallies on Unstructured Meshes in OpenMC with PUMI-Tally
本文提出PUMI-Tally库，利用网格邻接信息在CPU和GPU上加速聚变反应堆蒙特卡罗模拟中的非结构化网格计数，实现了最高20倍的计算加速和6.69倍的能耗改善。
2025-04-26 cs.DC physics.comp-ph
GPU accelerated Monte Carlo simulation of Brownian motors dynamics with CUDA
这项工作提出了一个更新和扩展的指导方法，适当的加速蒙特卡洛积分的随机微分方程与常用的NVIDIA图形处理单元使用CUDA编程环境。我们概述了图形卡上的科学计算的一般方面，并证明了它们与两个模型的一个众所周知的现象的噪声诱导运输的布朗电机在周期性结构。作为所考虑的系统中的波动源，我们选择了三种最常见的噪声：高斯白噪声，白泊松噪声和二分过程，也称为随机电报信号。文中还对所用数值格式的各个方面进行了详细的讨论。与典型的CPU相比，测量到的加速比可以达到惊人的3000。这个数字显着扩大了使用随机模拟可解决的问题的范围，甚至允许在某些情况下进行交互式研究。
2015-04-22 physics.comp-ph
GPU-accelerated Auxiliary-field quantum Monte Carlo with multi-Slater determinant trial states
本文在开源ipie中实现GPU加速的多Slater行列式ph-AFQMC，在过渡金属团簇上取得至少六倍加速，并以超10万个行列式恢复化学精度所需动态关联。
2024-06-12 cond-mat.str-el physics.chem-ph physics.comp-ph
ipie: A Python-based Auxiliary-Field Quantum Monte Carlo Program with Flexibility and Efficiency on CPUs and GPUs
我们报告了一个基于Python的空间场量子蒙特卡罗（AFQMC）程序IPIE的开发，初步的时间基准和新的AFQMC结果的异构化[Cu $_2$ O $_2$ $]^{2+}$。我们将演示如何在ipie中实现中央处理器和图形处理器（CPU和GPU）。我们展示了ipie与PySCF的接口，以及向ipie添加新估计器的简单模板。我们对其他C++代码QMCPACK和Dice的时间基准表明，ipie在CPU和GPU上考虑的所有化学系统中的执行速度更快或类似。我们的结果[Cu $_2$ O $_2$ $]^{2+}$]使用选定的配置相互作用试验表明，它是可能的收敛之间的ph-AFQMC异构化能量的双（$μ$ -氧代）和$μ$ - $η^2$：$η^2$过氧配置的确切已知的结果，小基组与$10^5$ $10^6$决定簇。我们还报告了异构化能量与四重zeta基组的估计误差小于1千卡/摩尔，其中涉及52个电子和290个轨道与$10^6$决定因素的审判波函数。这些结果突出了ph-AFQMC和ipie的实用程序的系统具有适度的强相关性和大规模的动态相关。
2022-11-08 cond-mat.str-el physics.chem-ph physics.comp-ph
A fast GPU-based Monte Carlo simulation of proton transport with detailed modeling of non-elastic interactions
目的：最近在GPU上实现了质子输运的非常快速的蒙特卡罗（MC）模拟。然而，这些通常使用非弹性（NE）质子-核相互作用的简化模型。我们的主要目标是建立一个基于GPU的质子传输MC弹性和NE碰撞的详细建模。研究方法：使用CUDA，我们实现了这些任务的GPU内核：（1）从我们的扫描喷嘴配置模拟斑点，（2）通过CT几何结构的质子传播，考虑核弹性散射，多次散射和能量损失离散，（3）NE相互作用的核内级联阶段的建模，（4）核蒸发模拟，以及（5）剂量的统计误差估计。为了验证我们的MC，我们进行了：（1）NE碰撞中的次级粒子产额计算，（2）均匀体模中的剂量计算，（3）重新计算来自商业治疗计划系统（TPS）的头颈部计划，并与Geant4.9.6p2/TOPAS进行比较。结果如下：结果表明，NE碰撞产生的次级粒子的产额、能量和角分布与Geant 4 Bertini和Binary级联模型符合得很好。治疗计划模拟在2 -2 mm处的3D伽马通过率通常为98%。对于$1\times10^7$质子历史记录，NVIDIA GTX 680卡上的净计算时间（包括所有数据传输）为$\sim$ 20 s。结论：我们的基于GPU的MC是第一个包含详细的核模型来处理质子与任何核的NE相互作用的MC。剂量计算与Geant 4/TOPAS非常一致。我们的MC正在被用于执行快速常规临床QA的基于准直束的治疗计划，也已被采用作为剂…
2014-09-29 physics.comp-ph physics.med-ph
Massively parallel Monte Carlo for many-particle simulations on GPUs
当前并行处理器的发展趋势要求为科学计算设计高效的大规模并行算法。粒子热力学系综的蒙特卡罗模拟的并行算法由于其固有的串行性而很少受到关注。在本文中，我们提出了一个大规模并行的方法，遵守细致平衡，并实现了一个系统的硬盘上的GPU。我们再现了一系列高精度蒙特卡罗运行的结果，以验证该方法。这是一个很好的测试案例，因为在液体转变为固体的范围内的硬盘状态方程对偏离平衡条件的小偏差特别敏感。在Tesla K20上，我们的GPU实现每秒执行超过10亿次试验移动，比单个Intel Xeon E5540 CPU内核快148倍，每美元的性能提高27倍，能源使用减少13倍。有了这种改进的性能，我们能够计算多达一百万个硬盘的系统的状态方程。这些大系统的尺寸是必要的，以探测熔化过渡的性质，这在过去的四十年里一直有争议。在本文中，我们提出了我们的计算方法的细节，并讨论了硬盘的热力学单独的配套文件。
2013-08-23 cond-mat.mtrl-sci cond-mat.soft cond-mat.stat-mech
Swarm-NG: a CUDA Library for Parallel n-body Integrations with focus on Simulations of Planetary Systems
我们提出了Swarm-NG，一个C++库，用于使用高度并行的图形处理单元（GPU）（如NVIDIA的Tesla T10和M2070 GPU）高效地直接集成许多n体系统。虽然之前的研究已经证明了GPU对于具有数千到数百万个物体的n体模拟的好处，但Swarm-NG专注于许多少体系统，例如，数以千计的系统与3.每个星系有15个天体，这是研究行星系的典型方法。Swarm-NG将模拟并行化，包括运动方程的数值积分和使用NVIDIA的“计算统一设备架构”（CUDA）在GPU上进行的力评估。Swarm-NG包括四阶时间对称Hermite积分和混合变量辛积分的优化实现，以及其他算法的几个示例代码，以说明不熟悉CUDA的用户如何将自定义积分器引入Swarm-NG框架。为了优化性能，我们分析了GPU特定参数在双精度下对性能的影响。Swarm-NG的应用包括研究行星形成的后期阶段，测试行星系的稳定性，以及评估许多行星系模型与太阳系外行星宿主恒星（例如，径向速度、天体测量、凌日计时）。虽然Swarm-NG专注于许多行星系的并行积分，但底层积分器可以应用于各种各样的问题，这些问题需要使用不同的初始条件和/或参数值多次重复积分一组常微分方程。
2012-09-25 astro-ph.EP astro-ph.IM cs.DC
Computation of magnetization, exchange stiffness, anisotropy, and susceptibilities in large-scale systems using GPU-accelerated atomistic parallel Monte Carlo algorithms
蒙特卡罗算法经常用于原子模拟，包括用于多尺度模拟中的磁参数温度依赖性的计算。尽管晶格自旋模型的蒙特卡罗模拟的并行化策略是已知的，但其在磁参数温度依赖性的计算中的应用在文献中是缺乏的。在这里，我们将展示如何，不仅是无约束的算法，而且约束原子蒙特卡罗算法，可以并行化。与串行算法相比，并行蒙特卡罗算法通常快200倍以上，允许在单个GPU上具有超过1000万个原子自旋的系统中相对轻松地进行计算。在大规模的系统中进行了算法的实施和测试，其中有限尺寸的影响减少，通过精确计算温度依赖性的磁化强度，单轴和立方各向异性，交换刚度，和磁化率。特别是对于交换刚度的布洛赫域壁方法使用了一个大的横截面积，它允许精确计算的域壁宽度居里温度。简单立方晶格的交换刚度在低温下紧密遵循k <2的尺度，其中k < 2取决于各向异性强度。然而，接近居里温度时，标度指数趋于k = 2。此外，实现的算法被施加到颗粒薄膜的磁化温度依赖性的计算超过15万自旋，作为平均晶粒尺寸和膜厚度的函数。我们表明，在这样的系统中的平均居里温度可以得到一个加权布洛赫级数拟合，这是有用的颗粒薄膜的实验结果分析。
2021-06-10 cond-mat.mes-hall physics.comp-ph
Monte Carlo Integration with Subtraction
本文研究了紧致域上d维函数的一类Monte Carlo数值积分算法。我们构造一个直方图近似的功能使用分区的集成域到一组箱指定的一些参数。然后，我们考虑两个适应;第一个是减去直方图近似，其积分，我们可以很容易地明确评估，从功能和集成的差异使用Monte Carlo;第二个是修改bin参数，以使方差的Monte Carlo估计的积分相同的所有箱。这允许我们使用Student t检验作为重新分组的触发器，我们声称这比通常用于此目的的χ平方检验更稳定。我们提供了一个程序，我们已经用来研究的情况下，直方图表示为一维直方图的产品的算法。我们讨论的假设和近似值，以及给无数的方式，任何这样的蒙特卡罗积分程序的结果可能会误导教学讨论。
2012-09-04 hep-lat hep-ph physics.comp-ph
Massively parallelized replica-exchange simulations of polymers on GPUs
我们讨论了并行化的优势，多线程的图形处理单元（GPU）的并行回火Monte Carlo计算机模拟的一个例子珠弹簧模型的均聚物。由于大量构象系综的采样是精确估计统计量的先决条件，例如构象转变的典型指标，如比热的峰结构，蒙特卡罗模拟性能大幅提高的优势不能被高估。采用多线程并利用GPU上大量内核的强大功能，在现代但标准的图形卡中可用，我们发现将部分代码从中央处理器（CPU）移植到GPU时，效率迅速提高。
2011-07-18 cond-mat.stat-mech physics.comp-ph q-bio.BM
High Performance Direct Gravitational N-body Simulations on Graphics Processing Units -- II: An implementation in CUDA
我们提出的结果重力直接$N$体模拟使用图形处理单元（GPU）的商业NVIDIA GeForce 8800 GTX游戏电脑设计。$N$ -物体问题的力评估在"计算统一设备架构“（CUDA）中使用GPU来加速计算。我们测试了三个不同的$N$体代码的实现：两个直接的$N$体集成代码，使用块时间步长的四阶预测-校正Hermite积分器，和一个Barnes-Hut树代码，它使用二阶蛙跳积分方案。所有代码的运动方程的积分在主机CPU上执行。我们发现，对于$N > 512$颗粒的GPU优于GRAPE-6Af，如果在力的计算被接受一些软化。在没有软化和非常小的积分时间步长的情况下，GRAPE仍然优于GPU。我们的结论是，现代GPU提供了一个有吸引力的替代GRAPE-6Af专用硬件。使用相同的时间步长准则，$N$ -体系统的总能量比GPU上的$10^6$更好地守恒，仅比GRAPE-6Af获得的差大约一个数量级。对于$N \apgt 10^5$，8800 GTX的性能优于主机CPU约100倍，运行速度与GRAPE-6Af大致相同。
2007-07-16 astro-ph physics.comp-ph
Accelerating Particle-in-Cell Monte Carlo Simulations with MPI, OpenMP/OpenACC and Asynchronous Multi-GPU Programming
本文通过集成MPI、OpenMP/OpenACC并采用异步多GPU编程扩展BIT1模拟器，在EuroHPC和MareNostrum 5上显著提升性能，最高达8.77倍加速，为百亿亿次聚变等离子体模拟奠定基础。
2025-04-24 cs.DC cs.PF physics.comp-ph
Scaling Lattice QCD beyond 100 GPUs
在过去的五年中，图形处理单元（GPU）对核物理和粒子物理中的数值晶格量子色动力学（LQCD）计算产生了变革性的影响。虽然GPU已经成功地应用于后蒙特卡罗“分析”阶段，这在典型的LQCD计算中占了很大一部分工作量，但初始蒙特卡罗“规范场生成”阶段需要能力级的超级计算，对应于O（100）GPU或更多。如此强大的规模以前从未实现过。在这方面的贡献，我们表明，使用多维并行化策略和域分解的预条件允许我们扩展到这个政权。我们目前的狄拉克算子，威尔逊三叶草和改进的交错，边缘集群在劳伦斯利弗莫尔国家实验室采用多达256个GPU的两个流行的离散化的结果。
2011-09-13 hep-lat physics.comp-ph
Accelerating Locality-Driven Integration in Quantum Chemistry with Block-Structured Matrix Multiplication
Zhongguancun Academy（中关村学院）；Zhongguancun Institute of Artificial Intelligence（中关村人工智能研究院）；IQuest Research（IQuest研究）；University of Science and Technology of China（中国科学技术大学）
本文提出KerneLDI框架，通过设计数据布局、筛选逻辑和矩阵运算符，实现块结构矩阵乘法，提升量子化学中局部性驱动集成的效率，实现EXC计算的10倍加速和分子动力学的6倍吞吐量提升。
2026-05-13 cs.DC physics.chem-ph physics.comp-ph
Finding Linear Dependencies in Integration-By-Parts Equations: A Monte Carlo Approach
通过Laporta算法将大量标量积分减少为一小组主积分是多循环计算中的常见做法。它也是运行时间和内存消耗方面的主要瓶颈。它涉及到求解一个大的线性方程组，其中许多方程是线性相关的。我们提出了一个简单的算法，消除了所有线性相关的方程从一个给定的系统，减少了时间和空间的要求，随后运行的拉波尔塔的算法。
2014-02-11 cs.SC hep-ph physics.comp-ph
Solving the Vlasov equation for one-dimensional models with long range interactions on a GPU
我们提出了一个GPU并行实现的数值积分的弗拉索夫方程在一个空间维的基础上的二阶时间分裂算法与本地修改的插值样条。我们将我们的方法应用到三个不同的系统与长程相互作用：哈密顿平均场，环和自引力片模型。每个模型和不同的网格分辨率的加速比和精度。
2012-06-15 cond-mat.stat-mech physics.comp-ph
From Monte Carlo Integration to Quantum Chromo Dynamics (an introduction)
在这些讲座中，我们提供了一个简短的介绍蒙特卡罗积分方法及其应用。我们展示了如何紫外发散的起源，如果场论是在未定义的正式产品的分布和如何可以定义的路径积分的正则化分布，以消除这些分歧。这种技术提供了连续场论唯一的非微扰正则化过程，同时，提供了一种计算相关（格林）函数的实用方法（使用正则化路径积分的Monte Carlo积分）。然后，我们应用这些工具来制定QCD上的一个格子。有些例子附有完整的计算机程序。
2001-10-15 hep-lat physics.comp-ph quant-ph
GPU-accelerated Subcycling Time Integration with the Einstein Toolkit
该研究在爱因斯坦工具箱的CarpetX驱动器中实现了时间亚循环算法，实现四阶收敛并优化幽灵点交换，在双黑洞模拟中验证了准确性，并在CPU和GPU集群上展示了性能提升。
2025-06-23 astro-ph.HE astro-ph.IM gr-qc
Phaseless Auxiliary-Field Quantum Monte Carlo on Graphical Processing Units
我们提出了一种利用图形处理单元（GPU）实现无相位的非线性场量子蒙特卡罗（ph-AFQMC）。AFQMC方法根据矩阵运算进行了重新设计，这些运算分布在数千个处理核心上，并使用自定义计算统一设备架构内核和硬件优化的cuBLAS矩阵库批量执行。数学上的进步包括一个批量的谢尔曼-莫里森-伍德伯里算法，以快速更新矩阵的行列式和逆，密度拟合的两个电子积分，能量算法涉及一个高维预先计算的张量，并使用单精度浮点运算。这些策略的结果在壁时间的单和多行列式试验波函数显着减少。对于典型的计算，我们发现仅使用单个GPU卡就可以获得大约两个数量级的速度提升。此外，我们在单个节点上使用8个GPU卡实现了近乎统一的并行效率，并且可以通过本地内存切片方法达到中等的系统大小。我们说明了我们的实施方案的鲁棒性的增加长度的氢链，并通过计算的第一行过渡金属原子的全电子电离势。我们比较长时间的计算，利用人口控制算法与我们以前发表的相关采样方法，并表明，后者不仅提高了效率，但也计算电离势的准确性。两者合计，GPU的实施结合相关采样提供了一个引人注目的计算方法，将扩大应用程序的ph-AFQMC现实相关的电子系统的描述。
2018-04-10 cond-mat.str-el physics.comp-ph
High-Performance Resilient Multi-GPU Hybrid Particle-in-Cell Monte Carlo Simulations at Scale
KTH Royal Institute of Technology（皇家理工学院）；Faculty of Mechanical Engineering, University of Ljubljana（卢布尔雅那大学机械工程学院）；Institute of Plasma Physics of the CAS（捷克科学院等离子体物理研究所）；Max Planck Institute for Plasma Physics（马克斯·普朗克等离子体物理研究所）；Max Planck Computing and Data Facility（马克斯·普朗克计算与数据中心）；Foundation for Research and Technology Hellas（希腊研究与技术基金会）；University of Oregon（俄勒冈大学）
针对等离子体物理中多GPU架构的粒子网格蒙特卡罗模拟，提出一种结合MPI+OpenMP的弹性框架，通过负载均衡、检查点/重启和标准化I/O实现高效可扩展计算，在Frontier等系统上验证了高达800 GPU的强/弱扩展性。
2026-07-21 cs.DC cs.PF physics.comp-ph
Scalable and massively parallel Monte Carlo photon transport simulations for heterogeneous computing platforms
我们提出了一个高度可扩展的蒙特卡罗（MC）三维光子输运模拟平台，设计用于异构计算系统。通过开发一个大规模并行MC算法，使用开放计算语言（OpenCL）框架，本研究扩展了我们现有的图形处理单元（GPU）加速MC技术，一个高度可扩展的供应商无关的异构计算环境，实现显着提高性能和软件可移植性。许多并行计算技术的研究，以实现广泛的计算硬件的便携式性能。此外，开发了多个线程级和设备级负载平衡策略，以使用多个中央处理单元（CPU）和GPU来获得高效的仿真。
2018-01-25 cs.DC physics.comp-ph
Variance-Reduced Trajectory Unravelings for GPU Noisy Quantum-Circuit Simulation: Characterization and a Qiskit-Aer Integration Gap
DGIST（大邱科学技术院）
研究针对 GPU 噪声量子电路模拟，实现方差降低轨迹展开（投影器和模拟采样）并验证。在 GPU 上投影器展开比 Qiskit-Aer 方法所需轨迹大幅减少，明确两种展开适用噪声范围，指出 Qiskit-Aer 集成问题并给出解锁技术的最小更改。
2026-07-21 physics.comp-ph quant-ph
