图形处理单元加速半经典初值表示分子动力学

HORIZON：加速广义相对论磁流体力学

HORIZON: Accelerated General Relativistic Magnetohydrodynamics

我们提出了地平线，一个新的图形处理单元（GPU）加速的代码来解决在给定的时空广义相对论磁流体力学方程。我们在几个测试用例中评估代码，包括磁化黎曼问题和快速旋转的中子星，并测量GPU加速与基于CPU的代码Thor相比的性能优势。我们发现，在单精度和双精度精度方面，与四核CPU相比，性能有了很大的提高，并在未来的数值建模工作中讨论了这些发现。

基于CUDA的布朗马达动力学的GPU加速蒙特卡罗模拟

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。

基于图形硬件的流体动力学网格快速距离场生成

Fast Distance Fields for Fluid Dynamics Mesh Generation on Graphics Hardware

我们提出了一个CUDA加速实现的特征/扫描转换算法生成窄带签署的距离场在逻辑笛卡尔网格。我们概述了一种方法的任务和数据管理的GPU的基础上输入的一个封闭的三角形曲面，目的是减少预处理和网格生成时间。这项工作演示了一个快速签署的距离场生成的三角形表面的数万至数百万的功能，在高分辨率域。我们提出了改进的鲁棒性的原始算法和处理几何数据的概述。

格点自旋模型的GPU加速蒙特卡罗模拟

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。

Bonsai-SPH：一个GPU加速的天体物理光滑粒子流体动力学程序

Bonsai-SPH: A GPU accelerated astrophysical Smoothed Particle Hydrodynamics code

我们提出的光滑粒子流体动力学模拟代码，Bonsai-SPH，这是我们以前开发的重力只分层$N$体代码（称为盆景）的延续。该代码针对图形处理单元（GPU）加速器进行了优化，使研究人员能够利用这些强大的计算资源。Bonsa-SPH产生的模拟结果与最先进的，基于CPU的，代码，但使用一个数量级更少的计算时间。该代码可以在网上免费获得，详细信息在本工作中描述。

图形处理单元上的电阻和多流体RMHD

Resistive and multi-fluid RMHD on graphics processing units

在这项工作中，我们提出了一个概念的CUDA能力，电阻，相对论磁流体动力学（RMHD）的多流体模型的证明。模拟RMHD模型的电阻性和多流体程序受到刚性源项的影响，因此通常采用一组半隐式时间积分器来保持数值稳定性。我们表明，第一次，电阻和双流体模型RMHD的有限体积IMEX计划可以通过在图形处理单元上执行来加速，显着降低了这些问题的需求。我们报告并行速度超过21 $\times$使用双精度浮点精度，并强调这些计划所需的优化策略，以及它们如何不同于理想的RMHD模型。这些结果的影响进行了讨论的上下文中的下一代模拟的中子星合并。

基于GPU的直接流体动力学相互作用的胶体悬浮体模拟

GPU-accelerated simulation of colloidal suspensions with direct hydrodynamic interactions

溶剂介导的胶体颗粒之间的流体动力学相互作用可以显着改变它们的动力学。我们讨论了斯托克斯动力学的实施，在流处理器的领先近似提供的计算统一设备架构（CUDA）最近的图形处理器（GPU）。因此，避免了显式溶剂颗粒的模拟，并且可以在现有的高度加速的分子动力学模拟中轻松地考虑流体动力学相互作用。特别强调的是有效的内存访问和数值稳定性。该算法被应用到一个集群的四个悬浮颗粒的周期性沉降。最后，我们调查的运行时性能的通用内存访问模式的复杂性$O(N^2)$的各种GPU算法依赖于硬件缓存或共享内存。

格点自旋模型在图形处理器上的模拟

Simulating Lattice Spin Models on Graphics Processing Units

晶格自旋模型对于研究临界现象是有用的，并且允许提取平衡和动力学性质。此类系统的模拟通常基于蒙特卡罗（MC）技术，主要困难通常是接近临界点时所需的大量计算工作。在这项工作中，它显示了如何使用NVIDIA图形处理单元（GPU），使用CUDA编程架构，可以加速这种模拟。我们已经开发了两种不同的算法晶格自旋模型，第一个有用的平衡特性附近的二阶相变点和第二个动态减慢附近的玻璃化转变。该算法是基于并行MC技术，和加速比从70到150倍，超过传统的单线程计算机代码获得使用消费级硬件。

并行计算的加速矩阵元法

Accelerated Matrix Element Method with Parallel Computing

矩阵元方法利用从头计算的概率密度作为强有力的判别过程中的实验粒子物理学的兴趣。该方法已成功地用于以前和当前的对撞机实验。然而，这种方法对于具有许多粒子和自由度的最终状态的计算复杂性使其与监督分类方法（例如决策树、k最近邻或神经网络）相比处于不利地位。本文提出了一种使用图形处理单元的矩阵元素技术的具体实现。由于多维积分的内在并行性，可以很容易地实现显着的加速比，这使得矩阵元技术在对撞机实验中的普遍使用可行。

GPU上具有物质效应的加速逐事件中微子振荡重加权

Accelerated Event-by-Event Neutrino Oscillation Reweighting with Matter Effects on a GPU

在现代中微子振荡分析中，振荡几率的计算越来越占用CPU。重新加权的Monte Carlo样本中的各个事件的独立性使其自身适合于在图形处理单元上的并行实现。使用CUDA C API将库“Prob3++”移植到GPU，允许通过恒定密度的物质对中微子振荡概率进行大规模并行计算，与单个CPU上的性能相比，将执行时间减少了75倍。

NLSEmagic：非线性薛定谔方程基于Matlab的GPU加速多维积分器

NLSEmagic: Nonlinear Schrödinger Equation Multidimensional Matlab-based GPU-accelerated Integrators using Compact High-order Schemes

我们提出了一个简单易用，但功能强大的代码包称为NLSEmagic数值积分的非线性薛定谔方程一维、二维和三维的厄丁格方程。NLSEmagic是一个高阶有限差分代码包，它利用图形处理单元（GPU）并行架构。在GPU上运行的代码比串行代码快很多倍，而且比在标准并行集群上运行便宜得多。这些代码的开发考虑到了可用性和可移植性，因此编写这些代码是为了利用自定义的支持GPU的C代码与MEX编译器接口与MATLAB接口。软件包是免费分发的，包括用户手册和设置文件。

利用图形处理器和OpenACC加速CASINO量子蒙特卡洛软件

Acceleration of the CASINO quantum Monte Carlo software using graphics processing units and OpenACC

本文提出利用GPU和OpenACC加速CASINO量子蒙特卡洛计算，通过并行化关键计算模块实现高达2.5倍的加速效果。

TTDFT: A GPU accelerated Tucker tensor DFT code for large-scale Kohn-Sham DFT calculations

We present the Tucker tensor DFT (TTDFT) code which uses a tensor-structured algorithm with graphic processing unit (GPU) acceleration for conducting ground-state DFT calculations on large-scale systems. The Tucker tensor DFT algorithm uses a localized Tucker tensor basis computed from an additive separable approximation to the Kohn-Sham Hamiltonian. The discrete Kohn-Sham problem is solved using Chebyshev filtering subspace iteration method that relies on matrix-matrix multiplications of a sparse symmetric Hamiltonian matrix and a dense wavefunction matrix, expressed in the localized Tucker t…

投影增广波法中随机相位近似的图形处理器加速

Graphics Processing Unit acceleration of the Random Phase Approximation in the projector augmented wave method

通过移植到图形处理单元（GPU）架构，加速了基于网格的投影增强波（gpaw）代码中相关能量的随机相位近似（RPA）。加速是通过对独立的向量/矩阵进行分组并将实现从内存限制转换为计算/延迟限制来实现的。通过这种方法，CPU和GPU实现都得到了增强。我们在几个代表性的系统上测试了GPU的实现：分子（O2），块状固体（Li 2 O和MoO 3）和吸附在金属表面的分子（N2/Ru（0001）和CO/Ni（111））。已经实现了从10+到40+的改进（8个GPU对8个CPU）。用8个GPU计算CO/Ni（111）表面的RPA仅需5.5h。因此，它是有前途的，采用非自洽RPA的常规表面化学模拟。

Generalised and efficient wall boundary condition treatment in GPU-accelerated smoothed particle hydrodynamics

This paper presents a generalised and efficient wall boundary treatment in the smoothed particle hydrodynamics (SPH) method for 3-D complex and arbitrary geometries with single- and multi-phase flows to be executed on graphics processing units (GPUs). Using a force balance between the wall and fluid particles with a novel penalty method, a pressure boundary condition is applied on the wall dummy particles which effectively prevents non-physical particle penetration into the wall boundaries also in highly violent impacts and multi-phase flows with high density ratios. A new density reinitialisa…

用CUDA加速的随机首次穿越时间

Stochastic first passage time accelerated with CUDA

随机轨迹的数值积分来估计通过阈值的时间是一个有趣的物理量，例如在约瑟夫森结和原子力显微镜中，其中完整的轨迹是不可访问的。我们提出了一种算法，适用于在CUDA环境下的图形处理单元的有效实现。所提出的用于良好平衡负载的方法实现了几乎完美的可用线程和处理器数量的扩展，并允许使用GPU GTX 980相对于标准多核CPU的约400倍的加速。这种方法允许脱离外壳GPU挑战否则禁止的问题，如缓慢倾斜电位中的热激活。特别地，我们证明了在实际实验的时间尺度上模拟约瑟夫森结的开关电流分布是可能的。

用GPU加速的路径积分蒙特卡罗方法进行资料同化

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。

GPU-accelerated Monte Carlo simulations of anisotropic Heisenberg ferromagnets

The Monte Carlo method is a powerful technique for computing thermodynamic magnetic states of otherwise unsolvable spin Hamiltonians, but the method becomes computationally prohibitive with increasing number of spins and the simulation of real materials and nanostructures is cumbersome. This paper presents the acceleration of Monte Carlo simulations of the three-dimensional anisotropic Heisenberg model on Graphics-Processing Units (GPU). The GPU implementation of the method presented here provides an acceleration of two orders of magnitude over conventional implementations and enables the simu…

高性能GPU加速的MuST软件

High Performance GPU Accelerated MuST Software

本文介绍通过Fortran-C接口将矩阵求逆任务卸载至GPU，显著加速MuST软件中LSMS方法的电子结构计算，在NiAu合金上获得高加速比。

GPU-Accelerated Discontinuous Galerkin Methods: 30x Speedup on 345 Billion Unknowns

A discontinuous Galerkin method for the discretization of the compressible Euler equations, the governing equations of inviscid fluid dynamics, on Cartesian meshes is developed for use of Graphical Processing Units via OCCA, a unified approach to performance portability on multi-threaded hardware architectures. A 30x time-to-solution speedup over CPU-only implementations using non-CUDA-Aware MPI communications is demonstrated up to 1,536 NVIDIA V100 GPUs and parallel strong scalability is shown up to 6,144 NVIDIA V100 GPUs for a problem containing 345 billion unknowns. A comparison of CUDA-Awa…

CUDAEASY --一个GPU加速的宇宙学晶格程序

CUDAEASY - a GPU Accelerated Cosmological Lattice Program

本文介绍了，据作者所知，第一个图形处理单元（GPU）加速程序，解决了相互作用的标量场在不断膨胀的宇宙的演变。我们提出了在NVIDIA的计算统一设备架构（CUDA）的实现，并比较混沌膨胀模型的性能与其他类似的程序。我们报告的加速比之间的一个和两个数量级，这取决于所使用的硬件和软件，同时实现在单一精度的小误差。过去需要大约一天时间才能完成的模拟现在可以在几个小时内完成，预计未来这种差异还会增加。该程序是按照LATTICEASY的精神编写的，上述程序的用户应该会发现在晶格模拟中开始使用CUDAEASY相对容易。该程序在GNU通用公共许可证下可在http://www.physics.utu.fi/theory/particlecosmology/cudaeasy/上获得。

Application of GPU-accelerated FDTD method to electromagnetic wave propagation in plasma using MATLAB Parallel Processing Toolbox

Since numerical computing with MATLAB offers a wide variety of advantages, such as easier developing and debugging of computational codes rather than lower-level languages, the popularity of this tool is significantly increased in the past decade. However, MATLAB is slower than other languages. Moreover, utilizing MATLAB parallel computing toolbox on the Graphics Processing Unit (GPU) face some limitations. The lack of attention to these limitations reduces the program execution speed. Even sometimes, parallel GPU codes are slower than serial. In this paper, some techniques in using MATLAB par…

采用多Slater行列式试探态的GPU加速辅助场量子蒙特卡洛

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。

用GPU加速机对太阳日冕的大规模高Lundquist数简化MHD模拟

Large-Scale High-Lundquist Number Reduced MHD Simulations of the Solar Corona Using GPU Accelerated Machines

我们最近进行了一项计算活动，调查模型的日冕加热在三维使用减少磁流体动力学（RMHD）。我们的代码是建立在一个传统的计划，使用伪谱方法，并使用MPI并行化。目前的调查需要非常长的时间集成使用高伦德奎斯特数，其中非常精细的电流层的形成挑战的决议，即使在大规模并行机上实现。我们在这里介绍一个端口的结果，以英伟达CUDA（计算统一设备架构）的硬件加速使用图形处理单元（GPU）。除了简要讨论我们的一般策略外，我们还将报告几台机器上的代码性能，这些机器跨越了各种硬件配置和功能。其中包括一个配备商用硬件的桌面工作站，一个配备四个Nvidia C2050 GPU的专用研究工作站，以及几个大型GPU加速的分布式内存机器：Lincoln/NCSA，Dirac/NERSC和Keeneland/NICS。

基于GPU的电-准静态场显式时间积分方法

GPU Accelerated Explicit Time Integration Methods for Electro-Quasistatic Fields

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。

现代加速处理器上高角动量四中心高斯积分的高性能计算

High-performance evaluation of high angular momentum 4-center Gaussian integrals on modern accelerated processors

本研究提出基于McMurchie-Davidson矩阵递推的GPU加速高角动量高斯四中心积分计算方法，在V100上性能超Libint千倍，效率超硬件峰值比，属开源LibintX库。

在苹果M系列统一芯片上通过Metal着色语言实现基于C++的物理计算的无缝GPU加速

Seamless GPU acceleration for C++ based physics with the Metal Shading Language on Apple's M series unified chips

本研究利用Metal着色语言在苹果M系列统一芯片上实现C++物理计算的无缝GPU加速，通过统一内存降低编程复杂度，在数组运算和弹性波方程求解中实现近一个数量级的性能提升，为科研人员利用GPU加速提供了低门槛方案。

通过GPU加速混合变分公式快速计算分布式声子能带结构

Fast distributed phononic band-structure calculations through a GPU accelerated mixed-variational formulation

在本文中，我们提出了一个图形处理单元加速混合变分制定快速声子能带结构计算的任意复杂的单位细胞和报告的速度增益了100倍的未优化的串行CPU计算。据作者所知，这是GPU计算的非FE/FDTD带结构算法的第一个应用程序。该制剂是在一种形式，这是适用于1-，2-和3-D的情况下。然而，在本文中，我们专注于优化的GPU计算的范例内的配方，提出了2-D单位细胞的结果。我们描述了应用的制定与长期的观点，对高效和大规模分布式能带结构算法，适合于解决优化和逆问题。我们报告，准确的能带结构的边界上的不可约布里渊区（IBZ）的前18个声子分支的复杂的2-D晶胞（1132个不同的相位）的评估可以在不到20秒的时间内实现在一个普通的桌面上。对于一个简单的晶胞，前几个声子分支在同一系统上计算不到2.5秒。因此，本文提出的方案，代表了相当大的节省声子带结构的计算成本。

一个可移植的PIC加速平台及其在使用OpenACC的GPU上的应用

A portable platform for accelerated PIC codes and its application to GPUs using OpenACC

我们提出了一个便携式平台，称为PIC_ENGINE，用于加速粒子在细胞（PIC）代码异构众核架构，如图形处理单元（GPU）。这种开发的目的是通过允许不同的并行化策略，根据应用问题和特定的体系结构，在未来的exascale系统上进行有效的模拟。为此，该平台包含PIC算法的基本步骤，并被设计为不同算法选项和数据结构的测试平台。在该引擎可以探索的架构中，这里特别关注配备GPU的系统。研究表明，我们的便携式PIC实现的基础上的OpenACC编程模型可以实现性能密切匹配的理论预测。使用瑞士国家超级计算中心（CSCS）的Cray XC30系统Piz Daint，我们证明了在NVIDIA Kepler K20X GPU上运行的PIC_ENGINE可以比在Intel Sandybridge 8核CPU上运行的性能高出3.4倍。

基于改进平面旋转体模型的海量空间数据GPU加速模拟

GPU-accelerated Simulation of Massive Spatial Data based on the Modified Planar Rotator Model

基于统计物理的改进平面旋转体（MPR）模型，提出了一种新的用于笛卡尔网格上空间数据的吉布斯马尔可夫随机场随机场，用于大数据集（如卫星和雷达图像）的高效自动插值。MPR模型不依赖于高斯假设。空间相关性是通过变换变量之间的最近邻相互作用来捕获的。这允许模型的矢量化，以及高效的混合蒙特卡罗算法，导致快速的执行时间，与系统大小近似线性扩展。本研究利用MPR变量之间的相互作用的短程性质并行化的算法在计算统一设备架构（CUDA）的编程环境中的图形处理单元（GPU）。结果表明，对于所采用的处理器，GPU实现可以导致令人印象深刻的计算加速，高达近500倍的大型网格，相比，单处理器计算。因此，包含数百万个数据点的海量数据集可以在普通GPU上在不到一秒的时间内自动处理。

多GPU加速的二维伊辛模型多自旋蒙特卡罗模拟

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。

使用多图形处理单元的MHD代码：SMAUG +

MHD Code Using Multi Graphical Processing Units: SMAUG+

介绍了一种基于多GPU系统的磁流体动力学（MHD）问题数值求解高级程序--Sheffield Magnetohydrodynamics Algorithm Using GPU（SMAUG+）。多GPU系统促进了加速代码的开发，并使我们能够研究更大的模型尺寸和/或更详细的计算域分辨率。这是对母单GPU MHD代码SMAUG（Griffiths，M.，Fedun，V.，和Erdélyi，R.（2015年）。用图形处理单元计算重力分层介质的快速MHD程序：SMAUG。Journal of Astrophysics and Astronomy，36（1）：197-223）。在这里，我们证明了SMAUG+代码的有效性，描述了并行化技术，并调查性能基准。Orszag-Tang涡模拟的初始配置分布在4、16、64和100个GPU中。此外，应用不同的模拟框分辨率：$1000 \times 1000$、$2044 \times 2044$、$4000 \times 4000$和$8000 \times 8000$。我们还使用Brio-Wu激波管模拟测试了代码，模型大小为800，使用多达10个GPU。根据测试结果，我们观察到速度上升和下降，这取决于某些并行任务的粒度和通信开销。代码开发的主要目的是提供大规模并行代码，而没有单个GPU的内存限制。通过使用我们的代码，应用的模型大小可以显着增加。我们证明，…

GPU-accelerated solutions of the nonlinear Schrödinger equation for simulating 2D spinor BECs

As a first approximation beyond linearity, the nonlinear Schrödinger equation (NLSE) reliably describes a broad class of physical systems. Though numerical solutions of this model are well-established, these methods can be computationally complex. In this paper, we showcase a code development approach, demonstrating how computational time can be significantly reduced with readily available graphics processing unit (GPU) hardware and a straightforward code migration using open-source libraries. This process shows how CPU computations with power-law scaling in computation time with grid size can…

基于GPU的尖界面浸没边界求解器用于大规模流体模拟

A GPU-Accelerated Sharp Interface Immersed Boundary Solver for Large Scale Flow Simulations

本文提出了一种基于GPU的尖界面浸没边界求解器，实现了对大规模流体模拟的加速，能够在多GPU系统上高效处理复杂三维流动问题。

使用GPU进行玻璃态动力学的高加速模拟：对有限浮点精度的警告

Highly accelerated simulations of glassy dynamics using GPUs: caveats on limited floating-point precision

现代图形处理单元（GPU）提供了令人印象深刻的计算资源，可以通过CUDA编程接口方便地访问这些资源。我们描述了如何GPU可以用来大大加快分子动力学（MD）模拟系统的大小范围高达约100万个粒子。特别强调的是在能量和动量守恒方面的数值长期稳定性，并发出警告有限的浮点精度。通过对算法精度关键部分的浮点运算进行双单模拟，得到了10^8 MD步以上的严格能量守恒。对于过冷二元Lennard-Jones混合物的缓慢动力学，我们证明了使用单浮点精度可能导致定量甚至物理上错误的结果。对于Lennard-Jones流体的模拟，与CPU的串行实现相比，所描述的实现示出了高达80的加速因子，并且发现单个GPU与使用64个分布式核的并行MD模拟进行比较。

极端尺度下移动边界问题与流固耦合的GPU加速模拟

GPU-Accelerated Simulations of Moving Boundary Problems and Fluid-Structure Interaction at Extreme Scales

提出基于GPU优化的尖锐界面浸入边界法，通过OpenACC、CUDA、NCCL和MPI实现，在10M至1B网格规模下相比CPU实现加速20倍，多GPU实现>90%强/弱扩展效率，并模拟了Re=5000的蝙蝠翼扑动流固耦合。

粒子束动力学程序Elegant的GPU加速和性能

GPU acceleration and performance of the particle-beam-dynamics code Elegant

Elegant是一个加速器物理和粒子束动力学代码，广泛用于各种高能粒子加速器和基于加速器的系统的建模和设计。在本文中，我们讨论了最近开发的代码版本，该代码可以利用支持CUDA的图形处理单元（GPU）来显著提高在实践中非常重要的一大类模拟的性能。GPU版本主要由一个框架定义，该框架简化了Elegant使用的基本内核类型的实现：粒子操作，减少，粒子丢失，直方图，数组卷积和随机数生成。在Titan Cray XK-7超级计算机上，GPU的加速性能比与相同节点数相关的所有CPU核心高出约6-10倍。除了性能之外，GPU加速版本的代码的可维护性也被认为是一个关键的设计目标。CPU实现的准确性也是一个核心考虑因素。使用四种不同的方法来确保加速代码忠实地再现CPU结果。