GPU acceleration of ab initio simulations of large-scale identical particles based on path integral molecular dynamics
Hubei Polytechnic University(湖北理工学院)
本文提出了一种基于路径积分分子动力学的GPU加速方法,实现了对大规模相同粒子量子系统的高效模拟,并展示了其在处理上万粒子系统中的优势。
2024-04-03 cond-mat.quant-gas physics.chem-ph physics.comp-ph
GPU Acceleration of an Established Solar MHD Code using OpenACC
GPU加速器对许多学科的高性能计算产生了显着的影响。它们以低成本/低功耗提供高性能,因此已成为许多大型超级计算机的主要计算资源。在这里,我们使用OpenACC以完全可移植的单源方式在Solar MHD代码(MAS)中实现多GPU加速。我们的初步实施是集中在MAS运行在一个减少物理“零测试”模式。虽然它本身很有价值,但我们的主要目标是为一个完整的物理学,热力学MHD实现铺平道路。我们描述了OpenACC的实施方法和挑战。在多CPU和多GPU系统上显示了生产级磁通绳喷发模拟的“时间解决方案”性能结果。我们发现,GPU加速的MAS代码有能力在一个单一的多GPU服务器上运行“零测试”模拟的速度,以前需要多个CPU服务器节点的超级计算机。
2018-11-06 astro-ph.SR cs.DC cs.PL
GPU acceleration of local and semilocal density functional calculations in the SPARC electronic structure code
本研究针对实空间SPARC电子结构代码,开发了适配NVIDIA架构的模块化GPU加速方案,用于局域和半局域密度泛函计算,实现最高6倍加速,大幅降低计算资源需求。
2023-02-20 physics.comp-ph
GPU-Acceleration of the ELPA2 Distributed Eigensolver for Dense Symmetric and Hermitian Eigenproblems
本征值问题的求解通常是一个关键的计算瓶颈,它限制了数值算法的易处理系统规模,其中包括化学和凝聚态物理中的电子结构理论。大型特征值问题很容易超过单个计算节点的计算能力,因此必须在分布式存储并行计算机上求解。在这里,我们提出了面向GPU优化的ELPA两阶段三对角化特征值求解器(ELPA 2)。在基于cubLAS的GPU卸载之上,我们添加了一个CUDA内核来加速特征向量的反变换,这可能是两阶段三对角化算法中计算成本最高的部分。我们在两种混合CPU-GPU架构上对该GPU加速的特征值求解器的性能进行了基准测试,即基于Intel Xeon Gold CPU和NVIDIA Volta GPU的计算集群,以及基于IBM POWER 9 CPU和NVIDIA Volta GPU的Summit超级计算机。与以前的基准测试CPU的架构,GPU加速的两阶段求解器表现出优于一个阶段的对应并行性能。最后,我们展示了性能的GPU加速本征求解器在这项工作中开发的常规半本地KS-DFT计算,包括数千个原子。
2021-01-15 physics.comp-ph
Heterogeneous Parallelization and Acceleration of Molecular Dynamics Simulations in GROMACS
诸如图形处理单元(GPU)之类的加速器设备的引入已经对分子动力学模拟产生了深远的影响,并且使得能够使用商品硬件实现数量级的性能进步。为了充分获得这些好处,有必要重新制定一些最基本的算法,包括Verlet列表,对搜索和截断。在这里,我们提出了异构并行化和加速设计的分子动力学实现的GROMACS代码库在过去的十年。该设置涉及一种基于集群的通用方法来实现对列表和非绑定对交互,该方法有效地利用了GPU和CPU SIMD加速,包括在CPU和GPU之间负载平衡任务的能力。算法的工作效率针对每种类型的硬件进行了调整,并且为了更有效地使用加速器,我们引入了具有滚动修剪更新的双对列表。结合新的直接GPU-GPU通信以及GPU集成,通过跨多个GPU的强大可扩展性和高效的多节点并行化,可实现单GPU模拟的卓越性能。
2020-09-07 cs.DC cs.DS cs.PF
GPU-Acceleration of Tensor Renormalization with PyTorch using CUDA
本文提出利用CUDA和PyTorch在GPU上加速张量重整化群计算,显著改善了二维系统的运行时间与键维度扩展性,为未来高精度TRG计算奠定基础。
2023-09-15 hep-lat physics.comp-ph
GPU-acceleration of the Discontinuous Galerkin Shallow Water Equations Model (DG-SWEM) with OpenACC
The University of Texas at Austin(德克萨斯大学奥斯汀分校);The Norwegian University of Life Sciences(挪威生命科学大学);Simula Research Laboratory(西穆拉研究实验室);The Ohio State University(俄亥俄州立大学);The University of North Carolina at Chapel Hill(北卡罗来纳大学教堂山分校)
本文利用OpenACC和统一内存将风暴潮求解器DG-SWEM移植到NVIDIA GPU,实现单一代码库,并通过飓风哈维场景验证了其在H200节点上相对CPU版本的性能优势。
2026-11-16 physics.comp-ph
NeuDATool: An Open Source Neutron Data Analysis Tools, Supporting GPU Hardware Acceleration, and Across-computer Cluster Nodes Parallel
经验势结构精化(EPSR)是一种中子散射数据分析算法和软件包。它是由英国散粒中子源(ISIS)无序材料组在20世纪80年代开发的,旨在构建无序液体的最可能原子结构。它在过去几十年中得到广泛使用,并产生了可靠的结果。但是,它是用Fortran编程的,并使用OpenMP实现了共享内存架构。随着超级计算机集群的广泛建设和图形处理器(GPU)加速技术的广泛应用,有必要对EPSR进行改造,以提高其计算速度。在这项研究中,提出了一个开源框架NeuDATool。它是用面向对象的语言C++编程的,可以在计算机集群内的节点上运行,并支持GPU加速。NeuDATool的性能已被测试与水和无定形二氧化硅中子散射数据。测试结果表明,该软件能够正确重构样品的微观结构,在约10万个原子组成的模拟箱中,GPU加速的计算速度比CPU串行算法提高400倍以上。NeuDATool为熟悉C++编程并希望为其分析定义特定模型和算法的科学家提供了另一种选择。
2019-12-17 physics.comp-ph physics.data-an
Enhancing GPU-acceleration in the Python-based Simulations of Chemistry Framework
本文介绍对开源量子化学软件包GPU4PySCF的工业贡献,通过集成DFT、几何优化等功能,实现比32核CPU快30倍的计算速度,节省约90%成本,成为工业量子化学应用的理想平台。
2024-07-22 physics.chem-ph physics.comp-ph quant-ph
GPU acceleration of hybrid functional calculations in the SPARC electronic structure code
本文提出了SPARC电子结构代码的GPU加速版本,通过开发基于Kronecker乘积的批处理线性求解器及NVIDIA架构下的模块化混合泛函实现,在包含6000电子的金属系统中将求解时间缩短至约300秒,相比纯CPU实现了最高8倍节点小时和80倍核心小时的加速。
2025-01-27 cond-mat.mtrl-sci physics.comp-ph
GPU-Acceleration of Parallel Unconditionally Stable Group Explicit Finite Difference Method
Shahid Beheshti University(沙希德·贝赫什提大学)
本文研究了利用GPU加速求解瞬态扩散方程的并行稳定组显式有限差分方法,通过GPU与CPU对比验证,展示了GPU在计算效率上的优势,鼓励研究者转向GPU计算。
2016-07-10 cs.NA math.NA physics.comp-ph
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。
2013-07-30 cond-mat.mtrl-sci physics.comp-ph
GPU acceleration of many-body perturbation theory methods in MOLGW with OpenACC
本文使用OpenACC对基于高斯基组的分子多体微扰理论程序MOLGW进行GPU加速,使准粒子自洽MBPT方法可扩展至大体系,并相对32个OpenMP线程实现最高9.7倍加速。
2023-12-04 cond-mat.mtrl-sci physics.chem-ph physics.comp-ph
GPU acceleration of CaNS for massively-parallel direct numerical simulations of canonical fluid flows
这项工作提出了GPU加速的开源代码CaNS非常快速的并行模拟正则流体流动。CANS中多CPU Navier-Stokes方程求解器的显著特点是基于特征函数展开法的二阶有限差分Poisson方程的快速直接求解器。求解器在一个统一的框架中实现了对这类问题有效的所有边界条件。在这里,我们使用CUDA Fortran扩展了GPU加速集群的求解器。移植广泛使用了CUF内核,并通过CUDA Fortran的统一内存功能大大简化,该功能处理主机(CPU)和设备(GPU)之间的数据迁移,而无需在源代码中定义新的数组。整体实现已根据湍流通道流的基准数据进行了验证,并在NVIDIA DGX-2系统(16 Tesla V100 32 Gb,通过NVSwitch与NVLink连接)上评估了其性能。与最先进的多CPU集群上的CPU实现相比,GPU加速实现的每个时间步长的挂钟时间非常小,只要域分区足够小,数据主要驻留在GPU上。该实现已根据MIT许可证的条款免费提供和开源。
2020-10-02 cs.CE physics.comp-ph physics.flu-dyn
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。
2018-11-20 physics.acc-ph physics.comp-ph
Implementation of the multigrid Gaussian-Plane-Wave algorithm with GPU acceleration in PySCF
California Institute of Technology(加州理工学院);Bytedance Seed(字节跳动Seed)
该研究提出一种基于GPU的多网格高斯平面波密度拟合方法,用于Kohn-Sham密度泛函理论中的Fock构建和核梯度计算,展示了在H100 GPU上达到25倍速度提升的性能。
2026-03-25 cond-mat.mtrl-sci physics.chem-ph physics.comp-ph
OpenMP GPU Acceleration and Portability of TRIMEG-C1 for Electromagnetic Gyrokinetic Simulations in Tokamak Plasmas
Max Planck Institute for Plasma Physics(马克斯·普朗克等离子体物理研究所);Chalmers University of Technology(查尔姆斯理工大学)
采用OpenMP框架在NVIDIA和AMD GPU上加速TRIMEG-C1回旋动理学代码,实现粒子推动和粒子-网格操作的GPU执行,在2个AMD MI300A APU上获得约9倍加速,并验证了ITG模式模拟的正确性。
2026-06-24 cs.DC physics.comp-ph physics.plasm-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
GaDE -- GPU-acceleration of time-dependent Dirac Equation for exascale
University of Bergen(卑尔根大学);USIT, University of Oslo(奥斯陆大学信息科学与技术研究所);Norwegian Research Infrastructure Services - NRIS(挪威研究基础设施服务);The Arctic University of Norway(挪威北极大学)
GaDE是一种针对exascale系统的GPU加速求解器,用于高效求解时域狄拉克方程,支持NVIDIA和AMD GPU,适用于超大规模计算和强激光实验。
2025-12-25 physics.comp-ph quant-ph
A Precision Emulation Approach to the GPU Acceleration of Ab Initio Electronic Structure Calculations
Texas Advanced Computing Center, The University of Texas at Austin(德克萨斯大学奥斯汀分校高级计算中心);Pittsburgh Computing Center, Carnegie Mellon University(卡内基梅隆大学匹兹堡计算中心)
本文通过SCILIB-Accel工具在MuST套件的LSMS CPU应用中实现FP64矩阵乘法的INT8仿真,展示了通过可调精度仿真的方法在保持算法原貌的同时优化硬件利用率,提升准确性和性能。
2026-03-31 cs.DC cs.PF physics.comp-ph
Numerical Assessment for Accuracy and GPU Acceleration of TD-DMRG Time Evolution Schemes
含时密度矩阵重整化群(TD-DMRG)已成为研究复杂系统量子动力学的前沿方法之一。本文以Fenna-Matthews-Olson(FMO)复合物激子动力学为例,比较研究了TD-DMRG中三种时间演化方法的精度,即基于Runge-Kutta算法的全局传播压缩方法(P&C-RK)、基于时间相关变分原理的矩阵展开算法(TDVPMU)和投影分裂算法(TDVP-PS)。我们表明,TDVP-MU和TDVP-PS产生相同的结果时,时间步长收敛,他们是更准确的比P& C-RK 4,而TDVP-PS容忍更大的时间步长比TDVP-MU。我们进一步采用图形处理单元(GPU)来加速TD-DMRG中的重张量收缩,它能够将TDVP-MU和TDVP-PS方案加速高达73倍。
2019-11-06 physics.chem-ph physics.comp-ph
GPU Acceleration and Portability of the TRIMEG Code for Gyrokinetic Plasma Simulations using OpenMP
TRIMEG代码利用OpenMP和GPU加速提升等离子体模拟的计算效率和可移植性。
2026-01-17 cs.DC physics.comp-ph physics.plasm-ph
A novel multi-GPU parallelization paradigm for SPH applied to solid mechanics in complex industrial applications
本研究提出一种不依赖空间位置的SPH多GPU并行新范式,通过启发式粒子交换控制交换体积增长,在IMPETUS Solver中结合Gamma-SPH-ALE方法实现,经航天和军工工业应用验证有效。
2023-10-05 physics.comp-ph
Performance-portable GPU acceleration of the hybrid particle-in-cell code dHybridR
The University of Chicago(芝加哥大学);Cerebras Systems(Cerebras系统);Enrico Fermi Institute, The University of Chicago(芝加哥大学恩里科·费米研究所)
针对大规模三维混合粒子云模拟的高计算成本,本文提出dHybridR的性能可移植GPU实现,结合OpenMP卸载与SYCL内核,在Aurora和Frontier上实现86%-97%弱扩展效率,吞吐量提升32倍,能耗降低90%,显著降低计算门槛。
2026-09-24 astro-ph.HE physics.comp-ph physics.plasm-ph
Accelerating Ab Initio Nuclear Physics Calculations with GPUs
本文介绍了GPU加速在从头计算原子核结构计算中的一些应用。具体来说,我们讨论了GPU加速的软件包MFDn,一个并行的原子核结构本征解算器。我们修改了矩阵构造阶段,使其部分在GPU上运行。在橡树岭领导力计算设施的泰坦超级计算机上,这为矩阵构造阶段产生了大约2.2 - 2.7倍的加速,为整个运行产生了1.2 - 1.4倍的加速。
2014-12-18 nucl-th physics.comp-ph
On the Feasibility of FPGA Acceleration of Molecular Dynamics Simulations
经典分子动力学(MD)模拟是生命和材料科学中的重要工具,因为它们可以详细研究化学和生物过程。然而,粒子-粒子相互作用的固有可扩展性问题和后续时间步长的顺序依赖性使得MD计算密集且难以扩展。为此,专门的基于FPGA的加速器已经被反复提出来改善这个问题。然而,到目前为止,没有一个领先的MD仿真软件包完全支持FPGA加速,并且到目前为止,GPU与FPGA加速代码的直接比较仍然难以捉摸。在这份报告中,我们的目标是通过比较GPU密集计算节点上测量的应用程序性能与基于FPGA的单节点系统的性能和成本估计来澄清这个问题。我们的研究结果表明,基于FPGA的系统确实可以优于类似配置的基于GPU的系统,但由于主机上的软件开销,整体应用程序级加速仍然保持在2倍左右。考虑到GPU和FPGA解决方案的价格,我们观察到基于GPU的解决方案提供了更好的成本/性能权衡,因此纯基于FPGA的解决方案可能不会在商业上可行。然而,我们还注意到,扩展的多节点系统可能会从混合组合中受益,其中GPU用于计算密集型部件,FPGA用于延迟和通信敏感任务。
2018-08-08 cs.DC cs.PF physics.comp-ph
Large-Scale DNS of Gas-Solid Flow on Mole-8.5
采用格子玻尔兹曼方法(LBM)、浸没移动边界方法(IMB)和离散元方法(DEM),在大规模并行GPU/CPU混合计算的多尺度超级计算系统Mole-8.5上实现了气固两相流动的直接数值模拟。二维悬浮液中约有1,166,400个75微米固体颗粒分布在11.5cm × 46 cm的区域内,三维悬浮液中有129,024个固体颗粒分布在0.384cm × 1.512cm × 0.384cm的区域内,在颗粒尺度下完全分辨,观察到明显的多尺度异质性。在一个Nvidia C2050 GPU上实现了比一个Intel E5520 CPU核快近20倍的速度提升,并且在使用多达672个GPU时保持了近乎理想的可扩展性。模拟结果表明,LB-IMB-DEM模型与并行GPU计算可能会提出一个有前途的方法来探索的基本机制和复杂的气固流动,这是迄今为止,在实验和理论研究都很难理解的本构关系。
2010-11-11 physics.comp-ph physics.flu-dyn
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
HPRMAT: A high-performance R-matrix solver with GPU acceleration for coupled-channel problems in nuclear physics
Tongji University(同济大学)
HPRMAT是一种利用GPU加速的高性能R矩阵求解器,通过优化算法和混合精度计算,显著提升核物理中耦合通道问题的求解效率。
2026-09-07 nucl-th 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
DFT-FE 1.0: A massively parallel hybrid CPU-GPU density functional theory code using finite-element discretization
我们提出了DFT-FE 1.0,建立在DFT-FE 0.6 [计算。物理通信246,106853(2020)],在众核CPU和混合CPU-GPU计算架构上进行快速准确的大规模密度泛函理论(DFT)计算(达到~ $100,000$电子)。这项工作涉及实空间公式的改进-通过改进静电相互作用的处理,大大提高了计算效率-以及高性能计算方面,包括DFT-FE中所有关键计算内核的GPU加速。我们证明的准确性,通过比较基态能量,离子力和细胞应力对广泛使用的DFT代码获得的基准系统。此外,我们证明了我们的实现,这产生$\sim 20 \times$ CPU-GPU的加速,通过使用GPU加速混合CPU-GPU节点的数值效率。值得注意的是,由于并行缩放的GPU实现,我们获得的壁时间$80-140$秒的完整的基态计算,具有严格的精度,基准系统包含~ $6,000-15,000$电子。
2022-03-21 physics.comp-ph
Computational Methods and GPU Acceleration in Plasma Physics: A Empirical Analysis of arXiv Publications and Research Trends
KTH Royal Institute of Technology(瑞典皇家理工学院)
本研究通过分析arXiv上5522篇论文,探究计算等离子体物理中方法选择、团队规模与GPU采用对研究产出的影响,发现MHD研究摘要更长,PIC和gyrokinetic方法与GPU采用关联紧密,为该领域研究演变提供了文献计量视角。
2026-08-06 physics.comp-ph physics.plasm-ph
GPU Acceleration of Numerical Atomic Orbitals-Based Density Functional Theory Algorithms within the ABACUS package
针对第一性原理密度泛函理论算法计算量大、难以应用于大体系的问题,研究人员利用GPGPU加速ABACUS软件中的电子结构算法,设计了哈密顿量构建与对角化及相关力、应力计算的GPU算法,在10444原子的扭转双层石墨烯体系中验证了加速效果。
2024-10-10 cond-mat.mtrl-sci physics.comp-ph
Landau Gauge Fixing on GPUs
在本文中,我们提出并探讨了朗道规范固定的GPU使用CUDA的性能。我们认为最速下降算法与傅立叶加速,并比较GPU的性能与并行CPU实现。使用$32^4$格卷,我们发现,一个单一的特斯拉C2070 GPU的计算能力相当于约256个CPU核心。
2012-10-08 hep-lat physics.comp-ph
Biomolecular electrostatics using a fast multipole BEM on up to 512 GPUs and a billion unknowns
我们提出了万亿次规模的生物分子静电计算算法和硬件加速相结合。算法加速实现与快速多极子方法(FMM)结合边界元法(BEM)制定的连续体静电模型,以及BIBEE近似BEM。硬件加速是通过图形处理器GPU来实现的。我们展示了我们的算法和软件的计算能力的生物分子在溶液中的静电相互作用。所展示的应用包括蛋白质-药物结合的静电学和由数百至数千份溶菌酶分子组成的数百万个原子系统。该软件的并行可扩展性在长崎高级计算中心的集群中进行了研究,使用128个节点,每个节点有4个GPU。精细的调整带来了强大的扩展能力,256个GPU的并行效率为0.8,512个GPU的并行效率为0.5。最大的应用程序运行,超过2000万个原子和10亿个未知数,在512个GPU上只需要一分钟。我们目前正在调整我们的边界元软件来解决线性化的泊松-玻尔兹曼方程的稀离子溶液,它也被设计成足够灵活的扩展为各种积分方程的问题,从泊松问题,电磁学和声学的亥姆霍兹问题,高雷诺数流。
2011-02-10 cs.CE physics.chem-ph physics.comp-ph
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。
2022-06-28 physics.comp-ph physics.geo-ph
neBEM: A GPU-accelerated Electrostatic Field Solver
Saha Institute of Nuclear Physics(萨哈核物理研究所);Adamas University(亚当斯大学);Naihati Prolife(奈哈提普罗菲)
提出基于OpenMP和CUDA的混合硬件加速策略优化neBEM求解器,实现动态空间电荷计算的GPU加速,在保持精度的同时大幅提升MPGD模拟速度。
2026-06-24 physics.comp-ph physics.ins-det
Solid-state Tube Wakefield Accelerator using Surface Waves in Crystals
固体或晶体加速一直被认为是先进粒子加速的前沿。然而,提供$\rm TVm^{-1}$加速梯度的固态加速机制的实验研究受到几个技术限制的阻碍。主要的限制是阿秒粒子或光子源的不适用于激发集体模式在散装晶体。其次,有显着的困难与直接高强度照射散装固体,如由于晶体缺陷和碰撞等光束不稳定性,在这项工作中,我们模拟了一个实验上可行的固态加速机制,使用集体电子振荡晶体中,维持传播表面波。这些表面波在具有管壁密度$n_{\rm tube}\sim10^{22-24}\rm cm^{-3}$的管形纳米结构晶体中的亚微米长粒子束的尾流中被驱动。粒子在细胞(PIC)模拟实验约束下进行的证明了使用固态管尾流场加速制度访问几个$\rm TVm^{-1}$的平均加速度梯度的可能性。此外,我们的模拟表明,作为表面振荡和resultanity表面波过渡到一个非线性或“crunch-在”制度下$n_{\rm beam}/n_{\rm tube} \gtrsim 0.05$,不仅平均梯度增加,但强大的横向聚焦场延伸到管轴的可能性。这项工作表明,固态管尾场加速器(SOTWA)的近期实验实现。(根据提交要求进行截断)
2021-01-28 cond-mat.mes-hall cond-mat.mtrl-sci physics.acc-ph