CLIP: A CUDA-Accelerated Lattice Boltzmann Framework for Interfacial Phenomena with Application to Liquid Jet Simulations
本研究提出CUDA加速的相场格子玻尔兹曼框架CLIP，采用WMRT碰撞算子提升稳定性与精度，经多基准验证后应用于液体射流模拟，准确捕捉流态转变并得到临界韦伯数，为多相流界面研究提供高效易用工具。
2025-05-18 physics.comp-ph physics.flu-dyn
GPU Accelerated Simulation of Channeling Radiation of Relativistic Particles
在本文中，我们描述并演示了C++代码编写来确定粒子穿过取向单晶的轨迹和CUDA代码编写来评估带电粒子的辐射光谱与任意轨迹。CUDA/C++程序可以计算自旋0和1/2粒子的经典和量子力学辐射谱。我们包括多重库仑散射和能量损失，由于辐射发射产生的辐射光谱与实验光谱的正电子和电子。我们还演示了如何使用GPU来加速计算几个数量级。这将允许资金有限或很少使用超级计算机的研究小组进行数值计算，就好像它是一台超级计算机一样。我们发现，一个Titan V GPU可以取代多达100个并行运行的Xeon 36核CPU。我们还表明，为特定任务选择GPU将对性能产生很大影响，因为某些GPU具有比其他GPU更好的双精度性能。
2019-10-23 physics.comp-ph
Numerical modeling of gravitational wave sources accelerated by OpenCL
在这项工作中，我们利用OpenCL框架，使用硬件加速器- Cell BE和Tesla CUDA GPU加速EMRI建模应用程序。我们详细描述了这些计算技术和我们的并行化方法，展示了我们的性能结果，然后将它们与我们以前基于原生CUDA和Cell SDK的实现进行了比较。OpenCL框架允许我们在两种架构上执行相同的源代码，同时获得与原生SDK相当的强大性能增益。
2011-10-04 gr-qc physics.comp-ph
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-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。
2012-05-29 physics.comp-ph
LBcuda: a high-performance CUDA port of LBsoft for simulation of colloidal systems
我们提出LBcuda，LBsoft的GPU加速版本，我们的开源基于MPI的软件，用于模拟多组分胶体流。我们描述的设计原则，优化和由此产生的性能相比，CPU版本，使用平均成本的GPU和高端NVidia GPU卡（V100和最新的A100）。结果显示，在由512块A100 NVIDIA显卡组成的群集上，流体解算器的速度大幅提高，达到200 GLUPS（Giga Lattice Updates Per Second），模拟80亿个格点的网格。这些结果为基于胶体颗粒的新材料的计算设计开辟了诱人的前景。
2021-12-15 physics.comp-ph physics.flu-dyn
GPU-Accelerated Discontinuous Galerkin Methods: 30x Speedup on 345 Billion Unknowns
本文提出了一种在笛卡尔网格上离散无粘流体动力学控制方程--可压缩欧拉方程的间断Galerkin方法，并通过OCCA（一种统一的多线程硬件结构性能移植方法）将其应用于图形处理单元。与使用非CUDA感知MPI通信的仅CPU实现相比，在多达1，536个NVIDIA V100 GPU上实现了30倍的求解时间加速，并且在多达6，144个NVIDIA V100 GPU上实现了并行强大的可扩展性，解决了包含3，450亿个未知数的问题。CUDA-Aware MPI通信与非GPUDirect通信的比较表明，在由32个NVIDIA V100 GPU组成的8个节点上，速度提高了24%。
2020-08-31 cs.DC cs.NA cs.PF
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
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。
2023-08-30 physics.comp-ph
LeXInt: GPU-accelerated Exponential Integrators package
本文介绍开源 CUDA 软件包 LeXInt，利用 Leja 点多项式插值近似矩阵指数作用，在 NVIDIA A100 GPU 上实现显著加速，并支持模块化集成到现有微分方程求解软件中。
2024-10-22 astro-ph.IM cs.NA math-ph
Parallel and GPU accelerated code for phase-field and reaction-diffusion simulations
本文发布相场与反应扩散模拟框架SymPhas 2.0，新增多项符号计算功能，支持MPI CPU并行与CUDA GPU加速，大系统模拟最高获千倍加速，适配GPU高性能计算平台。
2025-11-13 cond-mat.mtrl-sci physics.comp-ph
GPU-Accelerated Simulations of Moving Boundary Problems and Fluid-Structure Interaction at Extreme Scales
Johns Hopkins University（约翰斯·霍普金斯大学）；NVIDIA Corporation（英伟达公司）
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。
2026-06-25 cs.DC physics.comp-ph physics.flu-dyn
Passage of particles through matter and the effective straggling-function: High-fidelity accelerated simulation via Physics-Informed Machine Learning
Weizmann Institute of Science（魏茨曼科学研究所）
本文提出PHIN-GAN，一种物理指导的生成对抗网络，用于高效模拟粒子-物质相互作用，通过解析概率密度函数描述Landau识别的散射函数，实现高保真率的生成模拟，比GEANT4节省计算成本。
2026-04-24 hep-ex hep-ph physics.comp-ph
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。
2014-05-09 physics.comp-ph physics.data-an
OpenDust: A fast GPU-accelerated code for calculation forces, acting on microparticles in a plasma flow
本研究推出首款基于GPU的开源复杂等离子体模拟代码OpenDust，依托高度优化的CUDA后端实现数秒级自洽计算，性能优于现有同类代码，还可模拟此前无法实现的大规模尘埃微粒子系统，Python界面易用且易安装。
2022-05-13 physics.comp-ph physics.plasm-ph
Analyzing Molecular Simulations Trajectories by Utilizing CUDA on GPU Architecture
随着高性能计算技术的出现，用于分析的数据显著增长。在这里，图形处理单元（GPU）为基础的程序内核进行了讨论，利用分子模拟轨迹和数据的分析代码中的并行性，从而减少了时间消耗。通常被认为是利用静态和动态相关性的系统计算的属性。在静态性能，秩序度量的基础上，两个粒子的相关性，表现出10- 50倍的加速比相对于传统的串行CPU代码。发现三粒子相关性的效率，这是相对更耗时的计算，也被证明是10- 45倍快，这取决于系统的大小。在动力学性质的情况下，粘度使用Green-Kubo形式主义以10- 25倍的速度计算，取决于相关时间和总轨迹长度。类似地，对于均方位移计算，对于所有系统尺寸和模拟时间，实现了约40- 80倍的加速。特别是对于这些并行计算密集型问题，计算统一设备架构应用程序编程接口以最少的实现时间提供最大的扩展。结果表明，所有的GPU代码呈现1-2个数量级的分析时间减少。因此，这些代码与GPU加速的分子模拟相结合，可以导致整体改进和有效的性能。
2018-11-06 cond-mat.mtrl-sci physics.comp-ph
BioEM: GPU-accelerated computing of Bayesian inference of electron microscopy images
在冷冻电子显微镜（EM）中，分子结构是从单个颗粒的大量投影图像中确定的。为了充分利用这种单分子信息的力量，我们使用EM（BioEM）形式主义的贝叶斯推断。通过使用为单个图像计算的后验概率对结构模型进行排名，BioEM原则上解决了在传统EM重建中不易处理的高度动态或异构系统的挑战。然而，大量的粒子和模型的这些后验的计算是计算上的要求。在这里，我们提出了高度并行化，GPU加速的计算机软件，有效地执行这项任务。我们灵活的配方采用CUDA，OpenMP和MPI并行化结合CPU和GPU计算。由此产生的BioEM软件在纯CPU和CPU+GPU架构上的扩展几乎是理想的，因此可以在合理的时间内对数万张图像进行贝叶斯分析。一般的数学框架和强大的算法不限于冷冻电子显微镜，但可以推广到电子断层扫描和其他成像实验。
2016-09-21 physics.comp-ph q-bio.BM
GPU-Accelerated Simulations of Isolated Black Holes
我们提出了一个端口的数值相对论代码SpEC，这是能够在NVIDIA GPU上运行。由于此代码必须与SpEC本身并行维护，因此主要设计考虑因素是尽可能少地执行显式代码更改。因此，我们依赖于自动化移植策略的层次结构。在最高级别，我们使用TLoops，我们设计的C++库，自动发出CUDA代码等效于使用类似于解析计算的语法写入C++源的张量表达式。接下来，我们跟踪并缓存SpEC代码中众多线性变换的显式矩阵表示，这允许使用预先存在的矩阵乘法库在GPU上执行这些变换。我们手工移植剩下的几个重要模块。在本文中，我们详细介绍了我们的端口的细节，并提出了它模拟孤立的黑洞时空的几代NVIDIA GPU的基准。
2018-04-24 gr-qc 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
Accelerating QDP++ using GPUs
图形处理单元（GPU）作为科学高性能计算（HPC）中的目标架构变得越来越重要。NVIDIA建立了CUDA作为一种并行计算架构，控制和利用GPU的计算能力。CUDA为C++语言元素提供了足够的支持，以在设备内存域中启用表达式模板（ET）技术。QDP++是一个适用于量子场论的C++矢量类库，它提供了矢量数据类型和表达式，并形成了格点量子色动力学软件套件Chroma的基础。在这项工作中，利用ET技术和使用即时（JIT）编译成功实现了将QDP++表达式计算加速到GPU。可移植表达式模板引擎（PETE）和CUDA内核参数的C API用于在主机和设备内存域之间建立桥梁。这提供了将色度例程加速到GPU的可能性，这些GPU通常不受特殊优化的影响。作为一个应用实例，在GPU上加速了一个涂抹例程。可以测量到与正常CPU执行相比的显著加速。
2011-05-11 cs.DC cs.PL hep-lat
FROST: a momentum-conserving CUDA implementation of a hierarchical fourth-order forward symplectic integrator
我们提出了一种新的四阶前向辛积分器的层次制定和GPU加速的直接求和N体代码FROST的数值实现。新的积分器是特别适合于模拟具有较大的动态范围，由于其分层性质。在四阶辛积分器的严格正的积分子步骤是可能的，除了牛顿加速度计算一个额外的梯度项。所有的力计算和反冲操作是同步的，因此积分算法是明显的动量守恒。我们还采用了一个时间步对称化程序来近似恢复自适应个人时间步长的时间可逆性。我们证明了在一系列的二进制，少体和百万体模拟，弗罗斯特保存能量的水平$|ΔE / E| \sim 10^{-10}$，而在线性和角动量的误差几乎可以忽略不计。对于典型的星团模拟，我们发现，FROST的规模以及$N_\mathrm{GPU}^\mathrm{max}\sim 4\times N/10^5$ GPU，使直接求和N体模拟超过$N=10^6$粒子可能在系统上有几百个GPU。由于分层积分的性质，在代码中包含开普勒求解器或具有近距离接触和二进制的后牛顿校正的正则化积分器是简单的。
2021-01-07 astro-ph.GA astro-ph.IM physics.comp-ph
A GPU accelerated Barnes-Hut Tree Code for FLASH4
我们提出了一个GPU加速CUDA-C实现的巴恩斯小屋（BH）树代码计算重力位八叉树自适应网格。树代码算法在FLASH 4自适应网格细化（AMR）代码框架内实现，因此完全MPI并行。我们描述的算法和目前的测试结果，证明其准确性和性能相比，在当前的FLASH 4版本的算法。我们使用一个麦克劳林球体来测试我们的新实现的准确性，并使用球形的，崩溃的云核与有效的AMR进行性能测试，也与以前的重力求解器相比。根据设置和GPU/CPU比率，我们发现重力单元的加速比至少为3倍，与FLASH 4代码中实现的重力解算器相比高达60倍。我们发现一个整体的加速因子为完整的模拟至少1.6倍，高达10倍
2015-11-26 astro-ph.GA astro-ph.IM physics.comp-ph
Acceleration of a QM/MM-QMC simulation using GPU
利用GPGPU加速了从头算分子QMC计算。只有计算的瓶颈部分被CUDA子程序取代，并在GPU上执行。在（单核CPU + GPU）上的性能与（单核CPU双精度）上的性能进行了比较，在GPU上进行单（双）精度处理时，计算速度提高了23.6（11.0）倍。发现单次精密度处理引起的能量偏差在计算所需的准确度范围内，\sim 10^{-5} hartree。将装载GPU的加速计算节点组合起来形成混合MPI集群，我们证实了性能与节点数量线性相关。
2011-03-24 cond-mat.other physics.comp-ph
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。
2019-10-18 physics.comp-ph physics.data-an
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。
2011-09-27 astro-ph.IM astro-ph.SR physics.comp-ph
A GPU-accelerated Direct-sum Boundary Integral Poisson-Boltzmann Solver
本文提出了一种GPU加速的直和边界积分法来求解线性Poisson-Boltzmann（PB）方程。在我们的方法中，适定的边界积分公式，以确保快速收敛的Krylov子空间为基础的线性代数求解器，如GMRES。采用平面三角形和质心配点法对分子表面进行离散。为了加快我们的方法，我们利用边界积分公式的并行性，并在GPU上的CUDA共享内存架构内并行化的计划。该方案仅使用$11N+6N_c$双尺寸器件存储器用于具有$N$三角形表面元件和$N_c$部分电荷的生物分子。数值试验表明，这些计划保持良好的精度和快速收敛。使用一块GPU卡（Nvidia Tesla M2070）的GPU实现实现比使用一个CPU（Intel L5640 2.27GHz）的实现实现速度提高了120- 150倍。使用我们的方法，在具有多达300，000个边界元的良好离散的分子表面上求解PB方程将花费小于约10分钟，因此我们的方法特别适合于小到中等生物分子的快速静电计算。
2013-01-24 cs.NA math.NA physics.comp-ph
On the performance of GPU accelerated q-LSKUM based meshfree solvers in Fortran, C++, Python, and Julia
本研究基于CUDA开发了Fortran、C++、Python、Julia四种语言的q-LSKUM无网格CFD GPU求解器，通过7组点分布基准测试与内核性能剖析分析性能差异，采用优化策略对比优化前后效果，明确不同语言实现的GPU无网格求解器性能差异成因。
2021-08-16 cs.PF cs.PL 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
A GPU-Accelerated Sharp Interface Immersed Boundary Solver for Large Scale Flow Simulations
Johns Hopkins University（约翰斯·霍普金斯大学）；NVIDIA Corporation（英伟达公司）
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。
2026-03-12 physics.comp-ph physics.flu-dyn
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
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
Deep Learning of Mean First Passage Time Scape: Chemical Short-Range Order and Kinetics of Diffusive Relaxation
本文提出利用深度神经网络学习平均首次通过时间，以模拟原子尺度的扩散弛豫过程，揭示CrCoNi中短程秩序的无序到有序转变时间尺度，与实验结果一致。
2025-12-11 cond-mat.mtrl-sci physics.comp-ph
Three Dimensional Pseudo-Spectral Compressible Magnetohydrodynamic GPU Code for Astrophysical Plasma Simulation
本文介绍了一个GPU加速的三维可压缩磁流体动力学代码的基准测试和缩放研究。该程序是根据Eugene Newman Parker的理论，着眼于解释宇宙和核聚变反应堆中大、中尺度磁场的产生。空间导数的代码是基于伪谱方法和时间求解器是显式的。通过OpenACC并行化和使用NVIDIA CUDA快速傅立叶变换库（cuFFT），以最少的代码更改实现GPU加速。NVIDIA的统一内存被用来实现GPU设备内存的超额订阅，以实现大型网格的无缝核外处理。我们的实验结果表明，GPU加速的代码是能够实现高达两个数量级的加速比相应的OpenMP并行，基于FFTW库的代码，在NVIDIA特斯拉P100 GPU。对于需要在GPU上进行核外处理的大型网格，我们在Tesla P100 GPU上看到了比基于FFTW的OpenMP代码快7倍的加速。我们还提出了不同的GPU架构上的GPU加速代码的性能分析-开普勒，Pascal和Volta。
2018-10-30 physics.comp-ph physics.plasm-ph
Human society under the COVID-19 as a complex system. Mean first-passage time methodology
本文将COVID-19下的人类社会视为复杂系统，提出应用统计物理中的平均首达时间方法，准确确定病毒传播进入加速进展流行病状态的阈值，并经俄罗斯联邦数据验证其有效性，可作为解决优化问题的有用工具。
2024-01-02 nlin.CD nlin.PS physics.comp-ph
GameDev: GPU-accelerated model for dust evolution
Max-Planck-Institut für Astronomie（马克斯·普朗克天文学研究所）
GameDev提出GPU加速的尘埃演化模型，耦合三维尘埃动力学与蒙特卡洛碰撞演化，利用最近邻碰撞采样和自适应冻结邻域实现高效并行，支持CUDA与ROCm，为原行星盘尘埃研究提供准确工具。
2026-09-30 astro-ph.EP astro-ph.GA astro-ph.IM
In-Situ Assessment of Device-Side Compute Work for Dynamic Load Balancing in a GPU-Accelerated PIC Code
在分布式计算模型下，保持计算负载平衡对于代码的性能行为是很重要的。这对于GPU架构尤其如此，如果负载平衡不当，可能会遭受内存超额预订。我们提出了传统的负载均衡方法的增强，并明确针对GPU架构，探索由此产生的性能。我们的增强功能的一个关键组成部分是引入了几个GPU适合评估计算工作的策略。实施这些策略并进行基准测试，以找到最佳的数据汇集方法，用于GPU计算工作的现场评估。对于支持MPI+CUDA并行的完全动力学粒子细胞代码WarpX，我们通过一个基于强缩放的性能模型研究了改进的动态负载均衡的性能，并表明，对于在Summit上运行高达6144个GPU的激光离子加速测试问题，增强的动态负载均衡实现了从62%-74（在6个GPU上运行时为88%）理论预测的最大加速比;对于96-GPU的情况，我们发现动态负载均衡相对于没有负载均衡的基线（3.8倍加速）和具有静态负载均衡的基线（1.2倍加速）提高了性能。我们的研究结果提供了重要的见解动态负载均衡和性能评估，特别是在分布式内存应用程序的GPU上运行的背景下。
2021-04-23 cs.DC physics.acc-ph physics.comp-ph
soliton_solver: A GPU-based finite-difference PDE solver for topological solitons in two-dimensional non-linear field theories
KTH Royal Institute of Technology（皇家理工学院）
soliton_solver基于GPU的有限差分PDE求解器，用于二维非线性场论中拓扑孤子的模拟与实时可视化，通过模块化设计实现跨物理系统的应用，支持高效计算与交互式探索。
2026-03-25 cond-mat.mes-hall cond-mat.supr-con hep-th
