项目名称: 中子点火MC输运问题可扩展并行计算研究

项目编号: No.60873005

项目类型: 面上项目

立项/批准年度: 2009

项目学科: 金属学与金属工艺

项目作者: 张宝印

作者单位: 北京应用物理与计算数学研究所

项目金额: 28万元

中文摘要: 本项目研究中子点火MC输运问题在大规模多核体系结构并行机上的可扩展并行计算。中子点火MC输运计算在具有传统MC输运计算特征的同时,具有很强的时序性,这为其进行大规模可扩展并行计算带来了很大的困难。本项目深入分析了中子点火MC输运问题的计算特征,结合新型多核并行机的体系结构特点,提出一套有效的三层可扩展并行计算模式,并在我们研制的MC粒子输运支撑软件框架上实现。第一层采用Master/Slave模式的任务级并行,其中Slave端对应的是一个处理器组;第二层在各个Slave端的处理器组内部采用粒子分段划分的方法实现对所有中子按时间点进行同步跟踪计算;第三层采用OpenMP多线程方法实现MC输运几何计算的并行处理。再有我们实现了三层并行计算模式下各层独立的负载平衡方法,设计实现了源中子的动态分配技术和反应区内中子的动态迁移策略。通过考核测试,我们研制的中子点火MC输运程序针对弱源点火问题在2048个处理器核上达到80%以上的并行效率,针对外源MC粒子输运计算问题,在大规模并行机的2万个处理器核上模拟20亿粒子,并行效率达到70%。

中文关键词: 中子输运;并行计算;负载平衡;支撑框架

英文摘要: This project studies the scalable parallel computing of neutron ignition MC transport problem on the large multicore parallel computer. The time order of the neutron ignition MC transport problem brings difficult for parallel computing. This project gives a three layered scalable parallel model being implemented on our framework of MC particle transport. The first layer implements task parallel computing based on Master/Slave mode; the second layer implements particle parallel computing in some time section; the last layer implements thread level paralle computing based on OpenMP. Also, we implement load balance methods for the three layers, and design the dynamic allocation strategy of source neutrons and the strategy of dynamic migration of neutrons. By the testing, the program of neutron ignition MC transport reaches the parallel efficiency 80% on 2048 cores for weak source problem, and reaches the parallel efficiency 70% on 20480 cores for outside source problem simulated 2G particles.

英文关键词: neutron transport; parallel computing; load balance; framework

成为VIP会员查看完整内容
1

相关内容

【中科大】数值计算方法扩充课程,116页pdf
专知会员服务
81+阅读 · 2022年1月7日
ICML'21:一种计算用户嵌入表示的新型协同过滤方法
专知会员服务
14+阅读 · 2021年12月31日
【博士论文】分形计算系统
专知会员服务
33+阅读 · 2021年12月9日
【博士论文】集群系统中的网络流调度
专知会员服务
42+阅读 · 2021年12月7日
中科大《计算机体系结构》2021课程,附课件
专知会员服务
76+阅读 · 2021年4月4日
专知会员服务
41+阅读 · 2021年4月2日
【CVPR 2020-商汤】8比特数值也能训练卷积神经网络模型
专知会员服务
25+阅读 · 2020年5月7日
对比,还原真实的GPU池化
CSDN
1+阅读 · 2022年4月13日
CUDA高性能计算经典问题:归约
极市平台
1+阅读 · 2022年1月13日
CUDA高性能计算经典问题:前缀和
极市平台
0+阅读 · 2022年1月9日
【博士论文】基于冲量的加速优化算法
专知
7+阅读 · 2021年11月29日
借助新的物理模拟引擎加速强化学习
TensorFlow
1+阅读 · 2021年8月16日
使用 Canal 实现数据异构
性能与架构
20+阅读 · 2019年3月4日
SCENE-一个可扩展两层级新闻推荐系统
全球人工智能
11+阅读 · 2018年1月7日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月19日
小贴士
相关VIP内容
【中科大】数值计算方法扩充课程,116页pdf
专知会员服务
81+阅读 · 2022年1月7日
ICML'21:一种计算用户嵌入表示的新型协同过滤方法
专知会员服务
14+阅读 · 2021年12月31日
【博士论文】分形计算系统
专知会员服务
33+阅读 · 2021年12月9日
【博士论文】集群系统中的网络流调度
专知会员服务
42+阅读 · 2021年12月7日
中科大《计算机体系结构》2021课程,附课件
专知会员服务
76+阅读 · 2021年4月4日
专知会员服务
41+阅读 · 2021年4月2日
【CVPR 2020-商汤】8比特数值也能训练卷积神经网络模型
专知会员服务
25+阅读 · 2020年5月7日
相关资讯
对比,还原真实的GPU池化
CSDN
1+阅读 · 2022年4月13日
CUDA高性能计算经典问题:归约
极市平台
1+阅读 · 2022年1月13日
CUDA高性能计算经典问题:前缀和
极市平台
0+阅读 · 2022年1月9日
【博士论文】基于冲量的加速优化算法
专知
7+阅读 · 2021年11月29日
借助新的物理模拟引擎加速强化学习
TensorFlow
1+阅读 · 2021年8月16日
使用 Canal 实现数据异构
性能与架构
20+阅读 · 2019年3月4日
SCENE-一个可扩展两层级新闻推荐系统
全球人工智能
11+阅读 · 2018年1月7日
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员