Fast Period Searches Using the Lomb-Scargle Algorithm on Graphics Processing Units for Large Datasets and Real-Time Applications
众所周知，计算变量对象的周期在计算上是昂贵的。现代天文目录包含了大量的观测对象。因此，即使特定类别的对象的周期范围由于预期的物理属性而受到很好的约束，也必须为大量对象导出周期。在本文中，我们提出了一种GPU加速的Lomb-Scargle周期查找算法，该算法可以计算单个对象或批量对象的周期，这在许多数据处理管道中是必要的。我们展示了几种优化的性能，包括比较共享和全局内存GPU内核的使用，以及使用多个CUDA流将周期图数据从GPU复制到主机。此外，我们量化了两类GPU上32位和64位浮点精度之间的差异，并表明在CPU上使用64位比32位的性能下降要比为科学计算而设计的GPU大。我们发现，GPU算法实现了优越的性能超过基线并行CPU实现，实现了高达174.53 $\times$的加速比。维拉C。鲁宾天文台将进行空间和时间的遗产调查（LSST）。我们进行了分析，表明我们可以得到的旋转周期批次的太阳系天体在LSST尺度在近实时，这将在未来的LSST事件代理。所有源代码都是公开的。
2021-05-09 astro-ph.IM
A pilgrimage to gravity on GPUs
在这篇简短的评论中，我们介绍了过去50年来的发展，这些发展导致了图形处理单元（GPU）用于天体物理模拟。自2007年NVIDIA推出统一计算设备架构（CUDA）以来，GPU已成为N体模拟的重要工具，并且非常受欢迎，几乎所有关于高精度N体模拟的论文都使用GPU加速的方法。随着GPU硬件变得越来越先进，并被用于更先进的算法，如引力树码，我们看到了一个光明的未来，GPU一样的硬件在计算天体物理学。
2012-04-13 astro-ph.IM
cuDART: a GPU-accelerated ray tracing code for generating synthetic observations of relativistic astrophysical sources
Institute of Science and Technology Austria（奥地利科学技术研究所）；Department of Physics Astrophysics University of Oxford（牛津大学物理天体物理系）
本文提出GPU加速的开源光线追踪代码cuDART，用于将模拟数据快速渲染为相对论天体物理源的合成观测，考虑多普勒增亮和有限光传播时间延迟，并通过GPU和3D差分数字分析器算法加速，支持多视角快速生成观测图像。
2026-09-10 astro-ph.HE astro-ph.IM
Efficient channelization on a Graphics Processing Unit
本文提出并优化了一种GPU信道化器实现，可在单块商用GPU上充分利用PCIe带宽处理4副2 Gsample/s天线，并支持单副6.2 Gsample/s高带宽天线。
2023-03-17 astro-ph.IM
Cholla-MHD: An Exascale-Capable Magnetohydrodynamic Extension to the Cholla Astrophysical Simulation Code
本文提出Cholla的MHD扩展模块，利用GPU并行和Constrained Transport方法在Frontier超算上实现7.2万亿单元规模的理想磁流体力学模拟，并验证了高精度与零磁散度保持。
2024-05-01 astro-ph.GA astro-ph.IM
A highly accurate drag solver for multi-fluid dust and gas hydrodynamics on GPUs
本文针对GPU上的多流体尘埃—气体模拟，提出基于缩放—平方计算阻力矩阵指数的高精度摩擦求解器，并在Dyablo与Shamrock中验证其可扩展性。
2025-09-29 astro-ph.IM
Advanced Architectures for Astrophysical Supercomputing
天文学家已经开始依赖计算机性能的不断提高来减少、分析、模拟和可视化他们的数据。在这种环境下，更快的计算可能意味着更多的科学成果或开辟新的研究参数空间。如果我们要在高级架构上实现代码时避免重大问题，那么我们对算法有一个坚实的理解是很重要的。最近在高性能计算领域增加的图形处理单元（GPU）突出了这一点。最初为加速视频游戏中的图形渲染而设计的硬件现在在通用计算中实现了$O(100\times)$的加速--性能不容忽视。我们正在使用一种广义的方法，基于天文学算法的分析，以确定最佳的问题类型和技术，以利用当前的GPU硬件和未来的发展，在计算架构。
2010-01-13 astro-ph.IM
Cholla : A New Massively-Parallel Hydrodynamics Code For Astrophysical Simulation
我们提出了Cholla（ParaLLel架构上的计算流体力学），这是一种新的三维流体力学代码，利用图形处理单元（GPU）的强大功能来加速天体物理模拟。Cholla使用最先进的技术在静态网格上对欧拉方程进行建模，包括不分裂角点传输逆风（CTU）算法，各种精确和近似的黎曼解算器，以及包括分段抛物方法（PPM）在内的多种空间重建技术。使用GPU，Cholla可以同时进化数千个细胞的流体属性，并且可以在使用精确的黎曼解算器和PPM重建的同时，每GPU每秒更新超过1000万个细胞。由于GPU的并行架构和Cholla代码的设计，具有物理上有趣的网格分辨率（> 256^3）的天体物理模拟可以很容易地在单个设备上计算。我们使用消息传递接口库将计算扩展到多个设备上，并展示了超过64个GPU的近乎理想的扩展能力。一套测试问题突出了我们的建模的物理精度，并提供了一个有用的比较，其他代码。然后，我们使用Cholla来模拟激波与气体云在星际介质中的相互作用，表明云的演化高度依赖于其密度结构。我们调和计算的混合时间的湍流云与一个现实的密度分布破坏了一个强冲击与现有的分析理论球形云破坏描述系统的中值气体密度。
2015-03-06 astro-ph.IM physics.comp-ph physics.flu-dyn
IDEFIX: a versatile performance-portable Godunov code for astrophysical flows
针对超算架构迭代需重写数值工具的问题，研究人员推出依托Kokkos库的天体物理流体代码Idefix，实现多架构性能可移植，经多平台测试验证了高效计算与高能效，可支撑多类天体物理流体研究。
2023-04-26 astro-ph.HE astro-ph.IM astro-ph.SR
The Tensor-Core Beamformer: A High-Speed Signal-Processing Library for Multidisciplinary Use
本文提出基于GPU张量核心的通用波束形成库，支持16位和1位精度，在NVIDIA和AMD GPU上大幅超越传统方法并显著提升能效，可集成于医学超声和射电天文等应用。
2025-05-06 astro-ph.IM cs.DC
Houdini for Astrophysical Visualization
在过去的十年中，计算和观测天体物理学的规模和复杂性的快速增长需要有效和直观的方法来检查和可视化大型数据集。在这里，我们讨论了一些新开发的工具，导入和处理天体物理数据的三维视觉效果软件，{ \it Houdini}。该软件被视觉效果艺术家广泛使用，但最近实现的Python API现在允许天文学家更容易地使用Houdini作为可视化工具。本文包括对功能、工作流程和各种示例可视化的描述。该项目网站www.ytini.com包含Houdini教程和Python脚本Bitbucket存储库的链接，旨在为科学受众简化导入和渲染天体物理数据的过程。
2017-01-06 astro-ph.IM
Mulitbeam GPU Transient Pipeline for the Medicina BEST-2 Array
使用下一代射电望远镜的无线电瞬变发现将带来几个数字信号处理和数据传输挑战，需要专门的高性能后端。几种加速器技术被认为是原型平台，包括图形处理单元（GPU）。在本文中，我们提出了一个实时流水线原型能够同时处理多个波束，执行射频干扰（RFI）拒绝通过阈值，纠正信号到达时间的延迟，在整个频带使用暴力去色散，事件检测和聚类，最后候选过滤，具有持久的数据缓冲区包含感兴趣的信号磁盘的能力。该装置部署在意大利Medicina的BEST-2 SKA探路者上，在那里进行了几次天体物理瞬变的基准和测试观测。这些测试表明，在所部署的硬件上，对于$\sim$ 640色散测量（DM）值，可以同时处理8个20 MHz波束。此外，聚类和候选过滤算法证明是很好的候选人在线事件检测技术。可以处理的波束数量与部署的服务器数量和GPU数量成比例增加，使其成为当前和未来射电望远镜的可行架构。
2013-07-22 astro-ph.IM
Acceleration of low-latency gravitational wave searches using Maxwell-microarchitecture GPUs
引力波（GW）的低延迟探测对于通过常规望远镜对天体物理瞬变进行及时的后续观测至关重要。我们已经开发了一个低延迟流水线使用的技术称为求和并行无限脉冲响应（SPIIR）滤波，实现了图形处理单元（GPU）。在本文中，我们开发了新的\textit{Maxwell}存储器访问架构的NVIDIA GPU，即只读数据缓存，翘曲洗牌，交叉翘曲原子技术。我们报告了3倍的速度比我们以前的实现这种过滤技术。为了用相对较少的滤波器来处理SPIIR，我们开发了一种新的GPU线程配置，具有近10倍的加速。此外，我们使用Maxwell GPU实现了一种多速率SPIIR滤波方案。对于多速率滤波方案，我们在单核CPU上实现了超过100倍的加速。这使得整个SPIIR流水线的CPU使用量减少了21倍。
2017-02-08 astro-ph.IM cs.DC
Direct $N$-body code on low-power embedded ARM GPUs
这项工作是在ExaNeSt项目的环境中进行的，该项目旨在设计和开发一种具有低能耗特性的亿亿级超级计算机，但能够支持最苛刻的科学和技术应用。ExaNeSt计算单元由密集封装的低功耗64位ARM处理器组成，嵌入在Xilinx FPGA SoC中。SoC板是异构架构，其中计算能力由CPU和GPU提供，并且正在成为基于传统CPU的集群的可能的低功耗和低成本替代品。一个国家的最先进的直接$N$体代码适用于天体物理模拟已经重新设计，以利用基于ARM CPU和嵌入式GPU的SoC异构平台。性能测试表明，嵌入式GPU可以有效地用于加速现实生活中的科学计算，而且由于其能效，这也是很有希望的，这是未来艾级平台的关键设计。
2019-01-24 astro-ph.IM physics.comp-ph
Genetic Algorithm Modeling with GPU Parallel Computing Technology
提出了一种多用途遗传算法，并采用GPGPU / CUDA并行计算技术进行了设计和实现。该模型源自一个名为GAME的多核CPU串行实现，该实现已经通过专门基于机器学习范式的数据挖掘的Web应用程序资源（DAMEWARE）在天体物理学海量数据分类问题上进行了科学成功的测试和验证。由于遗传算法本质上是并行的，GPGPU计算范式提供了一个利用模型的内部训练功能，允许在处理性能和可扩展性方面进行强大的优化。
2012-11-23 astro-ph.IM cs.DC cs.NE
Adapting AREPO-RT for Exascale Computing: GPU Acceleration and Efficient Communication
本文针对 Exascale 超算环境优化了 AREPO-RT，通过引入直接内存访问的节点间通信策略与 GPU 加速，在标准基准测试中实现约 15 倍计算加速，并在再电离时代模拟中使总体效率提升三倍。
2024-04-26 astro-ph.CO astro-ph.IM
Computational advances in gravitational microlensing: a comparison of CPU, GPU, and parallel, large data codes
为了评估未来在高光学深度的引力微透镜计算的进展将如何依赖于硬件和软件解决方案，我们将在图形处理单元（GPU）上实现的直接逆射线拍摄代码与单核CPU上广泛使用的分层树代码以及最近实现的适用于基于CPU的集群超级计算机的并行树代码进行了比较。我们检查树代码的准确性，通过比较与一个直接的代码在更广泛的参数空间范围比以前已经可行。我们证明，所有三个代码呈现可比的精度，和方法的选择取决于有关的规模和性质的微透镜问题正在调查的考虑。在目前的硬件上，单核CPU树代码和GPU直接代码的处理速度几乎没有差异，但是最近单核CPU速度的平台意味着现有的树代码不再能够利用摩尔定律在处理速度上的增长。相反，我们预计在未来几年内GPU的能力将快速增长，这对直接代码有利。我们认为，在天体物理计算的其他领域的进展可能会受益于通过使用“蛮力”算法过渡到GPU，而不是试图将当前最佳解决方案直接移植到GPU语言-对于某些类别的问题，GPU上的简单实现可能已经不比优化的单核CPU版本差。
2010-05-28 astro-ph.CO astro-ph.IM
