面向过程模拟中GPU加速热力学性质计算的结构引导算子融合
《Computers & Chemical Engineering》:Structure-guided operator fusion for GPU-accelerated thermodynamic property evaluation in process simulation
【字体:
大
中
小
】
时间:2026年09月21日
来源:Computers & Chemical Engineering 4.9
编辑推荐:
•热力学方程图推荐GPU算子融合边界。
•全路径融合在四种GPU架构上加速了20组分路径的计算。
•最佳边界随组分数和GPU架构而变化。
•性质计算和闪蒸测试将内核增益与过程仿真连接起来。
引言
过程仿真器反复评估热力学性质。闪蒸计算、方程型残差与雅可比矩阵、参数回归以及不
•热力学方程图推荐GPU算子融合边界。
•全路径融合在四种GPU架构上加速了20组分路径的计算。
•最佳边界随组分数和GPU架构而变化。
•性质计算和闪蒸测试将内核增益与过程仿真连接起来。
引言
过程仿真器反复评估热力学性质。闪蒸计算、方程型残差与雅可比矩阵、参数回归以及不确定性传播都在许多压力-温度-组成状态下调用相同的性质计算例程(Grossmann和Westerberg, 2000, Seider等, 2009, Michelsen和Mollerup, 2007, Grossmann和Harkjunkoski, 2019, Pistikopoulos等, 2021)。随着级数、相数、组分数量、扰动变量和求解器迭代次数的增加,计算量随之增长。因此,提高这些重复调用的吞吐量可以降低热力学主导的仿真和优化任务的计算成本。
GPU可以并行评估大量独立的热力学状态(Owens等, 2008, Nickolls和Dally, 2010, Mittal和Vetter, 2015)。性质计算包作为一系列小型、相互依赖的方程块执行,因此GPU必须协调许多短阶段。当每个块作为单独的GPU内核启动时,其中间值被写入全局内存并被下一个块再次读取。将选定的块合并到一个内核中可以保持短生命周期值在运行线程内部。边界必须仔细选择:较浅的边界会留下昂贵的中间流量,而较深的边界则携带更多的算术运算和每线程状态。
GPU状态方程计算已被用于组分油藏和非理想流动应用(Gandham等, 2016, Panfili等, 2024, Boldini等, 2025),面向GPU的过程仿真框架已对热力学参数更新进行了批处理(Yang等, 2024)。剩下的一个实现问题涉及内核边界:哪些方程块应该共享一个内核,以及该选择如何随混合物大小、下游使用和GPU架构而变化?
我们用结构引导的边界选择来解决这个问题。每个热力学计算表示为方程级有向无环图。该图根据中间量的大小、生命周期和重用推荐候选边界。我们称比较为匹配输出比较,当每个实现返回相同的热力学量时;这些比较在不因实现工作量减少而给予信用的情况下确认了部署的边界。本研究涵盖PR/SRK三次状态方程内核和NRTL/Wilson活度系数内核。跨越Ampere、Ada Lovelace、Hopper和Blackwell的四GPU复制测量了硬件依赖性。包含传输的测量和控制批处理闪蒸基准将内核结果与过程仿真使用连接起来。
表1将已建立的GPU技术与本文评估的贡献区分开来,图1总结了边界选择和评估工作流程。
本文做出了三项贡献:
1.热力学算子图。我们将PR/SRK三次状态方程和NRTL/Wilson活度系数计算映射为方程级算子,并明确了中间数据接口。
2.结构引导的边界选择。我们根据中间数据大小和下游重用识别候选融合边界,然后通过控制实验将融合与线程映射、数据布局和启动调度分离开来。
3.跨架构和过程仿真工作负载的证据。我们在四种NVIDIA GPU架构上测试了匹配输出的全路径融合,测量了设备端和包含传输的行为,并使用控制批处理闪蒸基准将GPU执行增益与非线性迭代方法的变化分离开来。
章节片段
热力学计算链和算子分解
本节定义了用于构建GPU算子DAG的方程链。算子是用于分析融合边界的实现级方程块。Peng–Robinson状态方程代表工业上重要的三次方程族,在已知相性质路径中表述。2.4节定义了与修正Raoult定律一起使用的活度系数路径。
GPU实现
热力学图定义了可以共享GPU内核的计算。一个内核是对批次的并行程序调用。单独的内核通过GPU全局内存交换中间值。融合的算子在运行线程内消耗选定的中间值,并仅写入下一阶段所需的接口。融合改变了方程的执行和存储方式;它不改变热力学模型。
内核融合是通用的GPU技术,涉及...
实验结果
实验回答了六个问题。第一,全路径融合是否能在不同GPU架构上改进匹配的lnφ?工作负载?第二,该结果如何随组分数量和拓扑结构变化?第三,在分析型RTX 4090上,哪种中间数据机制解释了测量行为?第四,GPU增益何时能在主机-设备传输和控制求解器集成中存活?第五,GPU实现是否保留了数值输出?第六,边界分析是否能...
讨论
该方法分两步从热力学方程推进到部署的GPU内核。首先,方程图识别了承载大型中间数组的接口;跨越这些接口的融合减少了全局内存流量。在三次状态方程路径中,O(Nc2)的混合阶段创建了最大的接口。其次,在目标工作负载上对返回相同热力学量的候选分组进行计时。在Nc=20时,全路径融合在所有四种GPU上都更快,但其优势...
结论
我们开发了一种结构引导的程序,用于选择批处理热力学性质内核中的融合边界。它利用算子图识别可以消除大型中间传输的边界,然后在目标GPU上对匹配输出的候选进行基准测试。这将热力学公式转化为一个小型的、可重现的内核设计选择集。
对于完整的20组分逸度系数计算,融合和未融合的实现返回了相同的...
罗马符号
ares摩尔剩余Helmholtz自由能(J/mol)
Atotres广延剩余Helmholtz自由能(J)
ai, bi纯组分状态方程参数
amix, bmix混合物状态方程参数
A, B约化三次状态方程参数
Cp恒压热容(J/(mol?K))
GE摩尔过量Gibbs自由能(J/mol)
GtotE广延过量Gibbs自由能(J)
HE焓(J/mol)
kij二元相互作用参数
ni, ntot组分和总摩尔量
N热力学状态样本点数
Nc组分数量
PPressure(Pa)
RGas常数
CRediT作者贡献声明
Shaoyi Yang:写作—原始草稿、可视化、软件、方法论、正式分析、数据整理、概念化。Hui Xin:写作—审阅与编辑、验证、方法论。Wenli Du:写作—审阅与编辑、监督、项目管理、资金获取。
生成式AI和AI辅助技术在稿件准备过程中的声明
在本文的准备和修改过程中,作者使用了GitHub Copilot(GitHub, Inc.)来协助代码开发,并使用OpenAI Codex(OpenAI)来协助编辑LaTeX源文件、组织修改、检查一致性以及提高文本的语言、清晰度和可读性。在使用这些工具后,作者审查并编辑了所有受影响的内容,并对已发表文章的内容承担全部责任。
资金
本研究未获得公共、商业或非营利部门的资助机构的任何专门拨款。
利益冲突声明
作者声明以下可能被视为潜在利益冲突的财务利益/个人关系:Wenli Du在Computers & Chemical Engineering的编辑咨询委员会任职。Wenli Du未参与本稿件的同行评审,也无法获取有关其评审的信息;编辑流程的责任已分配给另一位编辑。其余作者声明没有已知的竞争性财务利益或个人关系。
Shaoyi Yang | Hui Xin | Wenli Du
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号