تسریع عملگر محاسبه میدان نزدیک در الگوریتم MLFMA روی یک GPU با ایجاد افزونگی در داده

الگوریتم چندسطحی چندقطبی (MLFMA )،یکی از ده الگوریتم برتر قرن بیستم، بدلیل کاهش پیچیدگی محاسباتی در ضرب ماتریس و مستقل از هسته بودن، کاربردهای وسیعی در حوزه شبیه سازی های علمی در رشته مخابرات، فیزیک، مکانیک، شیمی و پزشکی دارد. تسریع تخمین میدان دور در MLFMA ازطریق موازی سازی روی بستر پردازنده های گرافیکی (GPU) و خوشه های GPU برای مسائل با بسیار بزرگ، موضوعی است که بیش از یک دهه است که به آن پرداخته میشود. تسریع عملگر محاسبه میدان نزدیک (P۲P ) باوجود اینکه دومین عملگر زمان بر MLFMA است کمتر مورد توجه بوده چرا که با چالش های پردازش توزیع شده مطرح در تخمین میدان دور مواجه نیست. ما بدلیل کمترپرداخته شدن به این عملگر، تسریع آنرا مدنظر قراردادیم. با مدلسازی سرعت اجرا متوجه شدیم که استقلال نخ های پردازشی ازطریق ایجاد افزونگی در داده ها موجب میشود الگوریتم برای مسائل کوچکتر متراکم، و مسائل بزرگتر کم تراکم، روی GPU ۱۳ برابر سریعتر از حالت بدون افزونگی اجرا شود. این یافته در شکستن مسائل بزرگتر و با چگالی بشتر به تعدادی زیرمساله کوچکتر و با چگالی کمتر روی تعداد بیشتری واحد پردازشی کمک خواهد کرد.

Keywords:

الگوریتم چندسطحی چندقطبی , پردازنده های گرافیکی , ارزیابی کارآیی