基于多GPU节点的APPLE-MASNUM轻量化并行加速框架：海洋数值波浪模型的高效计算突破

针对海洋数值波浪模型MASNUM因计算资源需求大而难以在本地气象站轻量化部署的问题，研究人员开发了基于多GPU节点的APPLE-MASNUM并行加速框架。通过优化二维四点模板计算（2D4P）、计算-通信重叠策略及GPU友好数据布局，实现了单节点49.29-65.74倍的加速比，为极端海洋天气预警提供了高效解决方案。

　　

海洋波浪预报对防灾减灾和航海活动至关重要，但传统海洋科学数值模型（Marine Science and Numerical Modeling, MASNUM）依赖大规模计算集群，难以满足地方气象站对轻量化、实时性预测的需求。随着极端海洋天气事件频发，地方站点面临资源有限与计算复杂度高的双重压力。为此，研究人员开发了首个基于多GPU节点的轻量化加速框架APPLE-MASNUM，显著提升了波浪模型的运算效率。

研究团队通过分析MASNUM的数学物理方程，识别计算瓶颈，将其从多进程MPI程序改造为GPU兼容算法。关键技术包括：（1）优化二维四点模板（2D4P）计算；（2）设计计算-通信重叠策略；（3）开发GPU适配的数据布局方案。实验采用32核Hygon C86-7185 CPU和四块32GB GPU的异构平台，对比单核MASNUM实现了最高65.74倍的加速。

相关工作中，研究追溯了MASNUM从LAGFD-WAM模型到第三代波浪模型的演进历程，强调其在耦合气候模型（如CMIP6）中的应用价值。物理模型与数值算法部分详细阐述了MASNUM通过波数谱平衡方程模拟波浪方向谱的机理，涵盖风输入、波浪破碎耗散等源函数。框架设计部分提出APPLE-MASNUM的轻量化架构，重点解决GPU负载均衡问题。数值实验部分验证了四个版本（v1-v4）的逐步优化效果，其中数据布局优化（v4）贡献显著。

结论指出，APPLE-MASNUM首次实现了MASNUM在GPU异构平台的部署，为地方站点提供了可行的轻量化解决方案。未来需进一步优化网格分区算法以平衡GPU-CPU负载。该研究发表于《Ocean Modelling》，标志着海洋数值模型高性能计算的重要突破。