GPU acceleration of non-equilibrium Green's function calculation using OpenACC and CUDA FORTRAN
本文针对Kadanoff-Baym方程求解非平衡格林函数的高计算复杂度问题，在CPU和GPU平台上实现了高效并行算法，采用MPI/OpenMP、MPI/OpenACC及MPI/CUDA FORTRAN三种方案，并通过优化策略使GPU版本获得显著加速和良好扩展性。
2025-05-26 cs.DC
Exploiting OpenMP & OpenACC to Accelerate a Molecular Docking Mini-App in Heterogeneous HPC Nodes
在药物发现中，分子对接是负责估计分子与对接位点相互作用时的位置的任务。该任务通常用于在该过程的早期阶段对大型分子库进行筛选。考虑到候选分子的数量和应用的复杂性，这项任务通常使用高性能计算（HPC）平台来执行。在现代HPC系统中，异构平台相对于同构平台提供更好的吞吐量。在这项工作中，我们将分子对接应用程序移植并优化到异构系统中，使用一个或多个GPU加速器，利用混合的OpenMP和OpenACC方法。我们证明，我们的方法有一个更好的利用节点相比，纯CPU/GPU数据分割方法，达到吞吐量提高高达36%，同时考虑到相同的计算节点。
2019-01-18 cs.DC
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
Performance and Portability of Accelerated Lattice Boltzmann Applications with OpenACC
越来越多的HPC系统依赖于将传统多核CPU与节能加速器相结合的异构架构。在过去，为这些系统设计有效的应用程序一直很麻烦，因为加速器通常可以使用特定的程序设计语言进行编程，从而威胁到可维护性、可移植性和正确性。一些新的编程环境试图解决这个问题。其中，OpenACC提供了一种基于编译器指令子句的高级方法，用于标记现有C，C++或Fortran代码的区域以在加速器上运行。这种方法直接解决了代码的可移植性，让编译器支持每个不同的加速器，但必须仔细评估可移植方法与计算效率的相对成本。在本文中，我们解决这个问题，作为一个测试台使用大规模并行格子玻尔兹曼算法。我们首先描述我们的多节点实现和优化的算法，使用OpenACC和MPI。然后，我们在各种处理器（包括传统CPU和GPU）上对代码进行基准测试，并与使用CUDA和OpenCL的相同算法的其他GPU实现进行准确的性能比较。我们还评估了与可移植编程相关的性能影响，以及基于OpenACC的应用程序在几种最先进的架构中的实际可移植性和性能可移植性。
2017-03-01 cs.DC
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
Accelerating an Iterative Eigensolver for Nuclear Structure Configuration Interaction Calculations on GPUs using OpenACC
为了加速在配备通用图形处理单元（GPU）的分布式内存并行系统上解决核物理多体计算中产生的大型本征值问题，我们修改了之前开发的本征值求解器的混合MPI/OpenMP实现。使用基于OpenACC指令的编程模型，以FORTRAN 90编写。这种方法需要对原始代码进行最小的更改，并且能够将大规模核结构模拟从分布式存储器众核CPU系统平滑迁移到分布式GPU系统。然而，为了使基于OpenACC的特征值求解器在GPU上高效运行，我们需要考虑众核CPU和GPU设备之间的架构差异。因此，插入OpenACC指令的最佳方式可能与插入OpenMP指令的原始方式不同。我们指出这些差异的实施稀疏矩阵矩阵乘法（SpMM），这构成了本征解算器的主要成本，以及其他差异的预处理步骤和密集的线性代数运算。我们比较了基于OpenACC的实现在多个GPU上执行的性能与分布式内存众核CPU上的性能，并证明了GPU上实现的显着加速比众核CPU的节点上性能。我们还表明，多个GPU上的特征值求解器的整体性能提高是更温和的，由于不同的MPI行列之间的通信开销。
2021-09-01 cs.DC cs.MS cs.NA
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。
2016-03-09 cs.DC physics.comp-ph physics.plasm-ph
Alya towards Exascale: Optimal OpenACC Performance of the Navier-Stokes Finite Element Assembly on GPUs
本文通过代码特化、算法重构和底层优化相结合，并借助Roofline性能建模，为Alya不可压缩流动模块的有限元组装实现了基于OpenACC的CPU/GPU统一高效实现，在A100 GPU上性能提升超50倍。
2024-01-22 cs.DC cs.PF
Implicit Low-Order Unstructured Finite-Element Multiple Simulation Enhanced by Dense Computation using OpenACC
在本文中，我们开发了一个低阶三维有限元求解器，快速多情况下地壳形变分析的GPU为基础的系统。基于一个高性能的求解器设计的大规模并行基于CPU的系统，我们修改算法，以减少随机数据访问，然后插入OpenACC指令。在10个Reedge-H节点（20个P100 GPU）上开发的求解器从20 K计算机节点获得了14.2倍的加速比，考虑到两个系统之间的峰值内存带宽比为11.4，这是很高的。在最新的Volta一代V100 GPU上，求解器的速度比P100 GPU提高了2.45倍。作为一个示范性的例子，我们计算了日本东北部的368例地壳形变分析，有4亿个自由度。算法修改和移植实现的整个过程仅用了两周的时间，可以看出以较低的开发成本实现了较高的性能提升。随着开发的求解器，我们可以期待在地壳形变分析的可靠性提高了许多情况下，分析了广泛的基于GPU的系统。
2017-10-24 cs.DC cs.MS
Unified schemes for directive-based GPU offloading
针对OpenACC和OpenMP target在GPU卸载中的互补优缺点，开发仅含头文件的库Solomon，统一两者接口并提供三种符号以降低学习和实现成本，支持多厂商GPU，已开源且在N体模拟等场景验证。
2024-11-28 astro-ph.IM cs.DC cs.PF
A Symbolic Emulator for Shuffle Synthesis on the NVIDIA PTX Code
各种应用程序通过自动化工具利用GPU，这些工具试图自动利用GPU并行架构的可用性能。基于指令的编程模型（如OpenACC）就是这样一种方法，它只需将代码注释粘附到代码循环即可轻松实现并行计算。然而，这种抽象模型通常会阻止程序员进行额外的低级优化以利用GPU的高级架构特性，因为实际生成的计算对应用程序开发人员是隐藏的。本文描述并实现了一种新的灵活的优化技术，通过插入一个代码仿真器阶段的尾端编译管道。我们的工具通过替换动态信息来模拟使用符号分析生成的代码，从而允许应用进一步的低级代码优化。我们实现了我们的工具，以支持CUDA和OpenACC指令作为编译管道的前端，从而实现了以前不可能实现的OpenACC的低级GPU优化。我们展示了我们的工具的能力，通过自动化扭曲级洗牌指令，即使是先进的GPU程序员很难使用。最后，通过基准测试套件和复杂的应用程序代码评估我们的工具，我们提供了一个详细的研究，以评估在四代GPU架构中shuffle指令的好处。
2023-01-26 cs.DC
Accelerating the Dutch Atmospheric Large-Eddy Simulation (DALES) model with OpenACC
本文通过OpenACC将DALES模型移植到GPU，评估了性能、弱扩展性及在A100/H100上的可移植性，并利用Kernel Tuner优化内核。
2025-02-21 cs.CE cs.DC physics.ao-ph
GPU Acceleration of Learning With Errors KEMs Using OpenACC for Post-Quantum Cryptography
E4 Computer Engineering SpA（E4计算机工程股份公司）；Roma Tre University（罗马三大学）；Cineca（Cineca超级计算应用与创新部）；Università di Padova（帕多瓦大学）；INFN, Sezione di Padova（意大利国家核物理研究所帕多瓦分部）
本文提出基于LWE的密钥封装机制，并利用OpenACC开发GPU实现，在多种NVIDIA GPU上获得高达208倍加速，且能耗效率提升约2倍。
2026-05-31 cs.CR cs.DC
On the Limits of Performance Portability in Directive-Based GPU Programming
CINECA；Università degli Studi di Torino（都灵大学）
本文通过将天体物理磁流体动力学代码gPLUTO从OpenACC移植到OpenMP，评估了基于指令的GPU编程在NVIDIA A100和AMD MI250X上的性能可移植性，发现应用级性能差异可达3倍，核函数级可达47倍，主要受内存延迟和编译器限制影响。
2026-06-12 cs.DC
Performance comparison of CFD-DEM solver MFiX-Exa, on GPUs and CPUs
我们目前的计算性能比较的气固模拟在当前的CPU和GPU架构上使用MFiX Exa，CFD-DEM求解器，利用混合CPU+GPU并行。一个有代表性的流化床模拟不同的颗粒数从2至67万是用来比较串行和并行的性能。据观察，与单个CPU核心相比，单个GPU的速度大约快10倍。在单个计算节点上使用3个GPU比使用所有64个CPU核心快4倍。我们还观察到，使用误差控制的自适应时间步进方案进行粒子推进，在CPU和GPU上提供了一致的4倍加速。弱的缩放结果表明，优越的并行效率时，使用GPU相比，CPU的问题规模在这项工作中研究。
2021-08-19 cs.DC
Evaluation of Programming Models and Performance for Stencil Computation on Current GPU Architectures
本文在NVIDIA A100和GH200上评估CUDA、OpenACC与OpenMP目标卸载三种编程模型下的模板计算性能，揭示新架构行为并给出优化建议，其中最佳CUDA实现比优化OpenACC快2.1倍。
2024-08-12 cs.DC
Acceleration of a production Solar MHD code with Fortran standard parallelism: From OpenACC to `do concurrent'
使用标准语言结构来加速计算，避免对（通常是特定于供应商的）外部API的需求，这一点越来越受到关注。这些结构具有更便于携带和更“面向未来”的潜力。对于Fortran代码，当前的重点是{ \tt do concurrent}（DC）循环。虽然已经有一些使用DC进行基准测试和/或小型代码的GPU加速的成功例子，但其广泛采用将需要在全尺寸应用程序中演示其使用。在这里，我们看看在称为球体外磁流体动力学算法（MAS）的生产应用程序中使用DC的当前功能和性能。MAS是研究日冕和日光层动力学的最先进的模型，超过70，000行，之前已经使用MPI+OpenACC移植到GPU。我们试图尽可能多地删除OpenACC指令，以支持DC。我们展示了使用NVIDIA { \tt nvfortran}编译器的Fortran 202 X预览实现、统一托管内存和修改后的MPI启动方法，我们可以在多个GPU上实现GPU加速，而无需使用单个OpenACC指令。然而，这样做会导致1.25倍到3倍的减速。我们讨论了未来需要做哪些改进来避免这种损失，并展示了我们如何仍然可以保持密切的关系。
2023-03-08 astro-ph.IM cs.DC cs.MS
Optimization and Portability of a Fusion OpenACC-based FORTRAN HPC Code from NVIDIA to AMD GPUs
本文介绍了将基于 FORTRAN 和 OpenACC 的融合模拟工具 CGYRO 从 NVIDIA 移植到 AMD GPU 的经验，通过针对 AMD 的代码优化使其达到预期性能，并在 NVIDIA GPU 上获得了意外的速度提升。
2023-05-17 cs.DC cs.PF physics.plasm-ph
Accelerating the Particle-In-Cell code ECsim with OpenACC
E4 Computer Engineering SpA（E4计算机工程股份公司）；CINECA（CINECA计算中心）；NVIDIA Corporation（英伟达公司）；Ruhr-Universität（鲁尔大学）
本文通过OpenACC加速ECsim代码，实现ExaScale架构下的高效能计算，展示出在Leonardo系统上5倍速度提升和3倍能耗降低的成果。
2026-03-17 cs.DC physics.plasm-ph
Improved Multi-GPU parallelization of a Lagrangian Transport Model
本报告重点介绍了我们通过支持具有多个GPU的计算节点来改进GPU并行化的工作。然而，由于OpenACC中对多GPU的默认支持是有限的[6]，因此当前的实现允许每个MPI进程仅访问单个GPU。因此，在当前版本中充分利用多GPU节点的唯一方法是启动多个进程，这会增加资源争用。我们研究了仅将一个进程卸载到所有可用GPU设备的好处。
2022-11-22 cs.DC
Benchmarking OpenCL, OpenACC, OpenMP, and CUDA: programming productivity, performance, and energy consumption
许多现代并行计算系统在其节点级是异构的。这样的节点可以包括通用CPU和加速器（诸如GPU或Intel Xeon Phi），其提供具有合适的能耗特性的高性能。然而，利用异构体系结构的可用性能可能具有挑战性。有各种并行编程框架（例如OpenMP、OpenCL、OpenACC、CUDA），选择适合目标上下文的框架并不简单。在本文中，我们实证研究的特点，OpenMP，OpenACC，OpenCL和CUDA的编程生产力，性能和能源。为了评估编程效率，我们使用了我们自己开发的工具CodeStat，它使我们能够确定使用特定框架并行化代码所需的代码行的百分比。我们使用我们的工具x-MeterPU来评估能耗和性能。实验使用行业标准的SPEC基准测试套件和Rodinia基准测试套件进行，用于在将英特尔至强E5处理器与GPU加速器或英特尔至强融核协处理器相结合的异构系统上进行加速计算。
2017-04-18 cs.DC cs.PF cs.PL
Bridging the Gap: Empowering Small Models in Reliable OpenACC-based Parallelization via GEPA-Optimized Prompting
School of Information and Computer Science（信息与计算机科学学院）；University of California, Irvine（加州大学伊文斯顿分校）
通过GEPA优化提示提升小型模型在OpenACC并行化中的性能与稳定性。
2026-01-12 cs.AI cs.DC cs.SE
Investigating Matrix Repartitioning to Address the Over- and Undersubscription Challenge for a GPU-based CFD Solver
Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院）
针对OpenFOAM中基于插件的GPU加速局限性，提出矩阵重分区策略以平衡CPU矩阵组装与GPU求解，缓解过度订阅问题，提升异构环境下的求解器性能与资源利用率。
2025-10-09 cs.DC cs.SE
GPU-accelerated Linear Algebra for Coupled Solvers in Industrial CFD Applications with OpenFOAM
本研究开发了基于GPGPU的隐式CFD耦合求解器，在NASA CRM和DriveAER案例中分别实现超4倍加速和更优稳定性，展示了GPU在工业CFD中的高效性。
2024-01-10 cs.CE cs.DC
Optimization of Tensor-product Operations in Nekbone on GPUs
在CFD求解器Nek 5000中，计算主要由小张量运算的评估决定。Nekbone是Nek 5000的代理应用程序，之前已经通过混合OpenACC和CUDA方法移植到GPU上。在这项工作中，我们继续这项工作，并进一步优化Nekbone中的主张量积运算。我们的优化是在CUDA中完成的，并使用不同的2D线程结构逐层进行计算。这使我们能够使用循环展开以及有效地利用寄存器和共享内存。我们的实现，然后比较Pascal和Volta GPU架构上以前的GPU版本的Nekbone以及测量的车顶。结果表明，我们的实现优于以前的GPU Nekbone实现6- 10%。与实测的车顶相比，我们获得了Nvidia P100和V100 GPU在1024 - 4096个元素和多项式次数为9的输入下峰值性能的77 - 92%。
2020-05-27 cs.DC
Accelerating quantum many-body configuration interaction with directives
多费米子动力学-核（Many-Fermion Dynamics-nuclear，简称MFDn）是一种用于核结构计算的组态相互作用（CI）代码。它是一个独立于平台的Fortran 90代码，使用混合MPI+X编程模型。对于CPU平台，该应用程序具有用于共享内存并行性的健壮且优化的OpenMP实现。作为NERSC最新Perlmutter系统的NESAP应用程序就绪计划的一部分，MFDn已经更新以利用加速器。目前的主流GPU端口基于OpenACC。在这项工作中，我们描述了创建一个高效的GPU实现的一些关键挑战。此外，我们还比较了AMD和NVIDIA GPU上对OpenMP和OpenACC的支持。
2021-10-20 cs.CE cs.DC cs.MS
Multi-Partner Project: Multi-GPU Performance Portability Analysis for CFD Simulations at Scale
National Technical University of Athens（雅典国立技术大学）；KTH Royal Institute of Technology（皇家理工学院）；Hewlett Packard Enterprise (HPE)（惠普企业）；Technical University of Delft（代尔夫特理工大学）；University of Michigan（密歇根大学）
本文分析了SOD2D在不同GPU架构上的性能可移植性，揭示了内存访问优化对加速速度的影响，并强调了多级调优的重要性。
2026-01-20 cs.AR cs.DC
Heterogeneous CPU/GPU co-execution of CFD simulations on the POWER9 architecture: Application to airplane aerodynamics
高保真计算流体动力学模拟通常与大型计算需求相关联，随着每一代新的超级计算机的出现，这种需求越来越尖锐。然而，需要大量的研究工作来解锁前沿系统的计算能力，目前被称为pre-Exascale系统，基于日益复杂的架构。在本文中，我们提出了在计算力学代码Alya中实现的方法。我们详细描述的并行化策略，充分利用不同层次的并行性，以及一种新的协同执行方法，异构CPU/GPU架构的有效利用。后者是基于多代码协同执行的方法与动态负载均衡机制。所有提出的策略的性能评估已经进行了飞机模拟的POWER 9架构与NVIDIA伏打V100 GPU加速。
2020-07-06 cs.CE cs.DC
A GPU-Accelerated Barycentric Lagrange Treecode
我们提出了一个MPI + OpenACC实现的内核独立的重心拉格朗日树码（BLTC）的快速求和的GPU上的粒子相互作用。分布式内存并行化使用递归坐标二分法进行区域分解和MPI远程内存访问来构建每个秩上的本地本质树。粒子交互被组织成目标批处理/源集群交互，这些交互有效地映射到GPU上;目标并行化提供了外部并行化级别，而重心粒子集群近似的直接和形式提供了内部并行化级别。在几个测试用例上，通过库仑势和汤川势验证了GPU加速的BLTC性能，测试粒子数高达10亿。
2020-03-13 cs.DC physics.comp-ph
A hybrid CPU-GPU parallelization scheme of variable neighborhood search for inventory optimization problems
在本文中，我们研究了不同的并行化方案的可变邻域搜索（VNS）元启发式的CPU-GPU系统通过OpenMP和OpenACC。一个混合并行VNS方法应用于最近的基准问题的实例，多产品的产品退货和回收的动态批量问题，出现在逆向物流，这是已知的NP-难。我们报告我们的研究结果，这些并行化的方法和目前有前途的计算结果。
2017-04-17 cs.DC cs.DM cs.NE
Hybrid Fortran: High Productivity GPU Porting Framework Applied to Japanese Weather Prediction Model
在这项工作中，我们使用的GPU移植任务的操作日本天气预测模型“ASUCA”作为一个机会，检查生产力问题与OpenACC时，适用于结构化网格的问题。然后，我们提出了“混合Fortran”，一种方法，结合了基于指令的方法（没有重写现有的代码必要）与模板DSL（内存布局抽象）的优点。这使得能够在同一代码中定义具有不同粒度的多个并行化。在不影响性能的情况下，这种方法可以大大减少实现混合GPU/CPU并行化所需的代码更改-正如我们使用Hybrid Fortran的ASUCA实现所证明的那样。
2017-12-08 cs.DC physics.ao-ph
Mixed-Precision SEM-Based CFD Simulations on GPUs: A Taylor-Green Vortex case
Umeå University（于默奥大学）；Friedrich-Alexander University Erlangen-Nuremberg（弗里德里希·亚历山大埃尔朗根-纽伦堡大学）；Uppsala University（乌普萨拉大学）
针对Taylor-Green涡案例，提出三级分层混合精度控制模型，在GPU上基于SEM的无矩阵CFD模拟中，选定配置较fp64基线降低约34%的求解时间与能耗，同时提升鲁棒性。
2026-08-26 cs.DC cs.SE
Design and Optimization of OpenFOAM-based CFD Applications for Hybrid and Heterogeneous HPC Platforms
硬件感知的设计和优化是至关重要的，在利用新兴的架构，基于偏微分方程的计算流体动力学应用。在这项工作中，我们研究的优化，旨在加速基于OpenFOAM的应用程序在新兴的混合异构平台。OpenFOAM使用MPI来提供并行多处理器功能，该功能在同构系统上可以很好地扩展，但在混合异构平台上不能充分利用潜在的每个节点性能。在我们的研究中，我们使用两个OpenFOAM应用程序，icoFoam和laplacianFoam，都基于Krylov迭代法。我们提出了一些Krylov求解器的主导内核的优化，旨在加速现代GPU加速异构平台上的应用程序的整体执行。实验结果表明，所提出的混合实现显着优于国家的最先进的实现。
2015-05-28 cs.DC
A Study on the Performance of Distributed Training of Data-driven CFD Simulations
Universitat Jaume I（豪梅一世大学）；Barcelona Supercomputing Center（巴塞罗那超级计算中心）；Czestochowa University of Technology（琴斯托霍瓦理工大学）
本文研究了数据驱动CFD模拟分布式训练的性能，比较了仅CPU、多GPU和分布式方法在时间序列预测深度学习模型中的表现，展示了分布式GPU训练在提高预测精度方面的优势。
2026-04-30 cs.DC
Porting and optimizing UniFrac for GPUs
UniFrac是微生物组研究中常用的指标，用于相互比较微生物组概况（“β多样性”）。最近实施的条纹UniFrac添加的能力，分裂成许多独立的子问题，并表现出近线性缩放的问题。在本文中，我们描述了将Striped Unifrac移植和优化到GPU的步骤。我们将在已发布的地球微生物组项目数据集上计算UniFrac的运行时间从英特尔至强E5-2680 v4 CPU上的13小时减少到NVIDIA Tesla V100 GPU上的12分钟，以及配备NVIDIA GTX 1050的笔记本电脑上的约1小时（精度略有损失）。在包含113 k个样本的较大数据集上计算UniFrac，将CPU上的运行时间从一个多月减少到V100上的不到2小时，以及NVIDIA RTX 2080 TI GPU上的9小时（精度略有损失）。这是通过使用OpenACC生成GPU卸载代码和改进内存访问模式来实现的。一个BSD许可的实现是可用的，它产生一个由任何程序设计语言支持的C共享库。
2020-05-12 cs.DC q-bio.QM
Complete PISO and SIMPLE solvers on Graphics Processing Units
利用CUDA技术在Fermi级图形处理器上实现了Navier-Stokes方程的压力隐式分裂算子（PISO）和压力关联方程半隐式方法（SIMPLE）求解器。我们还介绍了一种新的稀疏矩阵格式，用于在GPU上执行基本CFD操作，如梯度或散度离散化。通过对几个标准问题、定常问题和非定常问题的计算，验证了该方法的有效性. GPU实现的计算效率通过比较其双精度的运行时间与OpenFOAM中实现的基本相同的算法进行了检查。结果显示，GPU（Tesla C2070）的性能比服务器级6核12线程CPU（Intel Xeon X5670）高出4.2倍。
2012-07-06 cs.DC
CPU-GPU Heterogeneous Code Acceleration of a Finite Volume Computational Fluid Dynamics Solver
本文研究有限体积CFD求解器SENSEI的CPU-GPU异构加速，提出考虑ghost cell交换的性能模型，并通过超声速进气道算例验证异构计算相比纯CPU或纯GPU的性能优势。
2023-05-29 cs.DC cs.PF
Speed, power and cost implications for GPU acceleration of Computational Fluid Dynamics on HPC systems
本文利用ANSYS Fluent评估HPC上CFD工作流GPU加速的速度、功耗与成本，发现GPU计算更快，但初始化、功耗和成本优势因GPU型号及数量而异。
2024-04-03 cs.DC cs.NA cs.PF
Validation-Centric AI-Assisted GPU Porting of a 250,000+ Line Legacy Weather Simulation Code
Information Technology Center Nagoya University（名古屋大学信息技术中心）；Institute for Space-Earth Environmental Research Nagoya University（名古屋大学地球环境空间研究所）；Information Technology Center The University of Tokyo（东京大学信息技术中心）
本文以遗留Fortran气象模拟代码CReSS为例，提出面向验证的AI辅助GPU移植工作流，为162个内核生成经数值验证的GPU实现，获5.1倍应用级加速，还检测到5个内核的数值不一致。
2026-08-14 cs.DC
Multi-GPU Approach for Training of Graph ML Models on large CFD Meshes
Rolls-Royce Deutschland（罗尔斯·罗伊斯德国公司）
本文提出一种多GPU训练图神经网络代理模型的方法，用于大规模CFD网格，通过分区和halo交换实现扩展，但在三维涡轮机械测试中传统分布式模型表现更优。
2023-07-25 cs.DC cs.LG cs.NA
8 Steps to 3.7 TFLOP/s on NVIDIA V100 GPU: Roofline Analysis and Other Tricks
性能优化可能是一项艰巨的任务，特别是当硬件架构变得越来越复杂时。本文从材料科学代码BerkeleyGW的内核，并演示了一些性能分析和优化技术。尽管面临着寄存器使用率高、占用率低、数据访问模式复杂以及存在多条长延迟指令等挑战，但我们通过8个优化步骤，在NVIDIA V100 GPU上实现了3.7 TFLOP/s的双精度性能。这是标称频率1312 MHz时理论峰值6.7 TFLOP/s的55%，以及基于我们的58% FMA比5.3 TFLOP/s的更定制峰值的70%。一系列用于分析OpenACC内核并优化其性能的技术，包括使用分层Roofline性能模型和性能工具Nsight Compute。该内核具有许多高性能计算（HPC）应用中常见的计算特性，预计将对HPC开发人员和计算科学家的普通受众非常有帮助，因为他们希望在NVIDIA GPU上获得更高的性能。
2020-09-22 cs.AR cs.DC cs.PF
A GPU-ready pseudo-spectral method for direct numerical simulations of multiphase turbulence
本文介绍了一种面向含液滴和气泡湍流大规模直接数值模拟的内部伪谱求解器的GPU移植，采用MPI与OpenACC/cuFFT实现多级并行，在异构计算中显著加速且易于维护。
2024-06-03 cs.DC physics.flu-dyn
A Massive Data Parallel Computational Framework for Petascale/Exascale Hybrid Computer Systems
异构系统在高性能计算（HPC）系统上变得越来越普遍。即使使用像CUDA和OpenCL这样的工具，在GPU上获得最佳性能也是一项重要的任务。简化此任务的方法包括Merge（用于异构多核系统的基于库的框架），Zippy（用于在多个GPU上并行执行代码的框架），BSGP（用于GPU上通用计算的新程序设计语言）和CUDA-lite（基于注释转换代码的CUDA增强）。此外，正在努力改进编译器工具，以实现GPU仿射循环嵌套的自动并行化和优化，以及将OpenMP并行代码自动转换为CUDA。在本文中，我们提出了一种替代方法：一个新的计算框架的大规模数据的并行科学代码的应用程序，适用于这样的千万亿次/亿亿次混合动力系统的高度可扩展的仙人掌框架的发展。作为其实用性的第一个非平凡的演示，我们成功地开发了一个新的3D CFD代码，实现了改进的性能。
2012-01-10 cs.DC
Application Experiences on a GPU-Accelerated Arm-based HPC Testbed
本文评估了十个团队在GPU加速的Arm测试平台上移植和基准测试HPC应用的经验，证明当前软件和工具已成熟，足以支持大规模生产部署。
2022-12-19 cs.AR cs.DC
Performance optimization and analysis of the unstructured Discontinuous Galerkin solver on multi-core and many-core architectures
间断Galerkin（DG）算法是计算流体力学（CFD）领域中一种具有代表性的高阶方法，具有高分辨率、低耗散、低色散等数学优势。然而，DG是相当计算密集，以证明实际的工程问题。本文讨论了我们的内部实际DG应用程序在三种不同的编程模型，以及一些优化技术，包括网格重新编号和混合精度，以最大限度地提高性能在一个单一的节点系统的实施。在CPU和GPU上的实验结果表明，基于CUDA、OpenACC和OpenMP的代码与原始应用程序的串行执行相比，分别获得了42.9倍、35.3倍和8.1倍的最大加速比。此外，我们系统地比较了两个方面的编程模型：性能和生产力。我们的实证结论有助于程序员根据其目标应用选择合适的平台和合适的编程模型。
2022-09-05 cs.CE cs.DC cs.MS
Portable GPU implementation of the WP-CCC ion-atom collisions code
本研究将WP-CCC离子-原子碰撞代码移植到NVIDIA和AMD GPU上，通过OpenACC计算矩阵元、调用对应GPU加速LAPACK库处理矩阵运算，提升了性能与能效，为复杂碰撞过程研究提供了可能。
2024-03-07 cs.DC physics.comp-ph
Harvesting energy consumption on European HPC systems: Sharing Experience from the CEEC project
Friedrich-Alexander-University（弗里德里希·阿列克桑德大学）；University of Stuttgart（斯图加特大学）；Aristotle University of Thessaloniki（塞萨洛尼基亚里士多德大学）；Uppsala University（乌普萨拉大学）
本文分享了CEEC项目在测量和优化欧洲主要HPC系统能耗方面的经验，通过CFD应用案例研究评估了不同架构的能耗与时间指标，并强调了加速器和混合精度技术在降低能耗中的优势。
2025-11-04 cs.DC
The PLUTO Code on GPUs: Offloading Lagrangian Particle Methods
UNITO - Università degli Studi di Torino（都灵大学）；INAF - Istituto Nazionale di Astrofisica, Osservatorio Astrofisico di Torino（意大利国家天体物理研究所都灵天文台）；ICSC - Italian Research Center on High Performance Computing, Big Data and Quantum Computing（意大利高性能计算、大数据和量子计算研究中心）；CINECA
PLUTO代码在GPU上实现，通过OpenACC和MPI实现高效并行计算，提升模拟性能。
2026-02-26 astro-ph.HE astro-ph.IM cs.DC
Tinker-HP : Accelerating Molecular Dynamics Simulations of Large Complex Systems with Advanced Point Dipole Polarizable Force Fields using GPUs and Multi-GPUs systems
我们提出了Tinker-HP包的扩展（Lagardère等人，化学科学，2018，9，956-972）涉及使用图形处理单元（GPU）卡来加速使用可极化多体力场的分子动力学模拟。新的高性能模块允许有效使用单GPU和多GPU架构，从研究实验室到现代超级计算机中心。在详细分析了我们依赖于OpenACC和CUDA的通用可扩展策略之后，我们讨论了该包的各种功能。其中，多精度的可能性的代码进行了讨论。如果提供一个有效的双精度实现，以保持快速参考计算的可能性，我们表明，一个较低的精度的算法是首选提供类似的准确性分子动力学，同时表现出优越的性能。由于Tinker-HP主要致力于使用新一代点偶极极化力场加速模拟，因此我们的研究重点是AMOEBA模型的实现。测试各种NVIDIA平台，包括2080 Ti，3090，V100和A100卡，我们提供了说明性的基准代码的单卡和多卡模拟的大型生物系统，包括多达数百万个原子。新的代码大大减少了解决方案的时间，并提供了最好的性能，迄今为止获得的AMOEBA极化力场。展望我们的多节点大规模并行化策略，无监督自适应采样和大规模的适用性的修补匠HP代码在生物物理学的强缩放性能进行了讨论。目前的软件已在GitHub上提前发布，与高性能计算社区COVID-19研究工作相关，并对学术界免费开放（见https：//github.com/TinkerTools/tinker-hp）…
2021-03-03 cs.DC cs.MS physics.chem-ph
The MPI + CUDA Gaia AVU-GSR Parallel Solver Toward Next-generation Exascale Infrastructures
本研究通过 CUDA 将 ESA Gaia 任务的 AVU-GSR 并行求解器移植至 GPU，利用 LSQR 算法求解大规模稀疏线性方程组，在 Marconi100 集群上实现了最高约 14 倍的加速，为 Gaia 数据发布及探索预百亿亿次级行为奠定基础。
2023-08-01 astro-ph.IM cs.DC
SPUMA: a minimally invasive approach to the GPU porting of OPENFOAM
Cineca Supercomputing Centre（Cineca超级计算中心）；Dipartimento di Ingegneria Industriale, Università degli Studi di Napoli Federico II（那不勒斯费德里科二世大学工业工程系）
SPUMA通过最小侵入式方法实现OPENFOAM在NVIDIA和AMD GPU上的高效移植，提升了计算效率并降低了能耗。
2025-12-22 cs.DC cs.MS physics.flu-dyn
