发表机构
The University of Manchester（曼彻斯特大学）
机构由 AI 辅助整理，请以论文原文为准。AI 中文总结
本文在 GPU 程序 GAPS 中实现简化的簇强子化模型，实现向量化事件生成，与 Herwig 及实验数据吻合，百万事件约四秒完成。
AI 中文摘要
在 GPU 等硬件加速器上完成完整事件生成需要对部分子簇射和强子化等组件的算法进行向量化。为此，我在 GPU 部分子簇射程序 GAPS 中实现了一个简化的簇强子化和强子衰变模型，每个事件使用一个线程，算法的每个阶段作为单独的内核。我将 $e^+e^- \ o \ ext{hadrons}$ 在 $Z$ 极点处的模拟结果与 Herwig 事件生成器以及 ALEPH 和 L3 数据进行了比较，并在 NVIDIA V100 GPU 上测量了执行时间。结果与 Herwig 吻合良好，GAPS 在该 GPU 上生成一百万个强子级事件（NLO 硬过程、簇射、强子化和衰变）约需四秒。
英文摘要
Complete event generation on hardware accelerators such as GPUs requires vectorising the algorithms of components such as parton showers and hadronisation. To this end, I implemented a simplified cluster hadronisation and hadronic decay model in the GPU parton shower program GAPS, with one thread per event and each stage of the algorithm as a separate kernel. I compared simulation results for $e^+e^- \to \text{hadrons}$ at the $Z$ pole with the Herwig event generator and with ALEPH and L3 data, and measured execution times on an NVIDIA V100 GPU. The results agree well with Herwig, and GAPS generates one million hadron-level events (NLO hard process, shower, hadronisation and decays) in about four seconds on this GPU.
Comments6 Pages, 2 figures, 2 tables. Release 2.2 of GAPS, a GPU-Amplified Parton Shower
