Resumen

El Método de Boltzmann en Rejilla (LBM, por sus siglas en inglés) es un poderoso método de simulación numérica del flujo de fluidos. Con su naturaleza de paralelismo de datos, es un candidato prometedor para una implementación paralela en una GPU. Sin embargo, el LBM es intensivo en datos y está limitado por la memoria. En particular, mover los datos a las celdas adyacentes en la fase de cálculo de flujo conlleva una gran cantidad de accesos no alineados en la GPU que afecta el rendimiento general. Además, los núcleos de cálculo principales del LBM utilizan un gran número de registros por hilo, lo que limita el paralelismo de hilos disponible en el tiempo de ejecución debido al número fijo de registros en la GPU. En este documento, desarrollamos una paralelización de alto rendimiento del LBM en una GPU minimizando los costos asociados con los accesos a memoria no alineados mientras mejoramos la localidad de la caché utilizando la optimización por fragmentación con el cambio de diseño de datos

• Materias:Calibración geométrica Núcleos computacionales Consultas de palabras clave Pronóstico probabilístico Máquina de aprendizaje
• Subjects:Geometric calibration Computational kernels Keyword queries Probabilistic forecasting Machine learning
• Palabras claves:Método de Boltzmann en la red; Simulación numérica; Flujo de fluidos; Gpu; Paralelismo de datos; Limitado por memoria
• Keywords:Lattice boltzmann method; Numerical simulation; Fluid flow; Gpu; Data parallel; Memory bound