动力学蒙特卡洛并行模拟算法的邻居集合通信优化研究

摘要

动力学蒙特卡洛算法(KMC)是一种高效的以随机抽样方式模拟体系演化过程的算法.近几年高性能集群的快速发展,KMC并行算法在模拟材料辐照损伤、晶粒生长、薄膜生长和金属表面气体吸附等领域得到了广泛应用.然而,随着KMC模拟的时间尺度和空间尺度规模不断扩大,其并行算法在大规模集群上表现出较差的性能和可扩展性.本文通过实验分析得出,邻居进程间点到点通信引起的拥塞问题是影响基于区域分解KMC并行算法主要性能瓶颈.为了解决上述问题,本文通过进程拓扑结构的构建以及邻居集合通信操作,对通信调度进行优化以缓解通信拥塞.实验结果表明,相对于传统的基于点到点通信实现算法,通过邻居集合通信优化后KMC并行算法具有更好的并行性能和可扩展性.其中在32个Xeon E5-2680节点(共计32×20=640处理核)上,优化后KMC并行算法执行时间减少了12％,通信时间缩短了25％,且相对于单节点(20处理核)执行达到了23倍加速比.