在CPU-GPU异构框架下遍历固定半径内邻居的自适应并行方法

摘要

本发明公开了一种在CPU‑GPU异构框架下遍历固定半径内邻居的自适应并行方法，该方法中使用了一个新的并行模型从而让GPU的各种特性能够和问题本身的性质相契合。该方法首先引入自适应并行的概念来对GPU中各个线程进行重组，从而让物理上相邻的线程能够处理逻辑上相似的工作，这样GPU中的很多局部性特征能够得到利用。其次，使用了CPU‑GPU异构框架，让CPU协同处理一些由于使用自适应并行产生的一些对于GPU来说低效率的事务。为了显示出本发明的特点，其被运用到光滑了粒子流体动力学方法（SPH）上并跟现有方法进行了对比，并在处理大规模高密度粒子的问题上体现出了很大的优势。