面向大规模科学计算的CPUGPU异构并行技术研究

大规模科学计算对科学研究具有及其重要的意义，是计算机学科面临的重大任务。近年来，随着GPU硬件及其编程模型的快速发展，使用GPU来加速大规模科学计算应用己成为必然趋势。GPU擅长进行计算密集型操作，而且具有极高的性价比，非常适合高性能科学计算。然而，如何有效地把科学计算应用移植到GPU上运行仍是一个很大的挑战。在由CPU和GPU构建的异构系统中，CPU负责进行复杂的逻辑运算和事务管理等不适合数据并行的计算，GPU负责进行计算密集度高、逻辑分支简单的大规模数据计算。本文从两个层面研究了面向大规模科学计算的CPU．GPU异构并行技术。首先，根据CPU—GPU异构平台的特性，本文提出了CPU．GPU任务划分和CPU．GPU间通信优化两种优化策略。在讨