JefiFast：通过以内存为中心的优化技术和多GPU并行计算加速Jefimenko方程的求解 何冰 彭胜宇 孙楠 李国亮 朱晓菲 徐鹏 沈小伟

《Physics》：JefiFast: Accelerating Jefimenko’s Equations with Memory-Centric Optimizations and Multi-GPU Parallelism Bing He, Shengyu Peng, Nan Sun, Guoliang Li, Xiaofei Zhu, Peng Xu and Xiaowei Shen

　　摘要：作为计算电磁学中等效数值求解器的基础，尤其是对于多物理场和电磁兼容性应用而言，Jefimenko方程为麦克斯韦方程提供了通用化解决方案，能够直接从时变源分布计算电磁场，而无需受到基于网格的方法所固有的边界条件限制。然而，这些方程的数值积分计算量非常大，其复杂度通常与源点数量（??s）和观测点数量（??o）的乘积（???(??s???o)）成正比。在本文中，我们提出了JefiFast，这是一种高度优化的图形处理器（GPU）实现方案，其性能显著优于现有的JefiGPU算法。我们发现，之前的实现方案主要受内存限制，原因是全局内存访问效率低下且缺乏数据重用。JefiFast通过以下四个关键优化措施解决了这些瓶颈：（i）采用结构数组（array-of-structures）方法实现紧凑内存布局（PML），以确保对源密度及其导数的高效内存访问；（ii）利用几何感知的共享内存贴砖策略，最大化二级（L2）缓存命中率以及芯片上的数据重用；（iii）预计算时间导数以减少冗余的算术运算；（iv）采用稳健的观测域分解策略，实现跨多个GPU的线性扩展。基准测试表明，与基线方案相比，JefiFast的速度提升范围从（在单个NVIDIA V100图形处理器上的）倍加速到（在4个NVIDIA V100处理器上的）倍加速。值得注意的是，在单个GPU上，JefiFast将执行时间从大约51分钟缩短至仅2.6分钟（即倍加速）。这些性能提升使得高分辨率的相对论重离子碰撞模拟能够近乎实时完成。