《计算机工程与科学杂志》发表论文赏析

基于RMC的蒙特卡罗程序性能优化

来源:计算机工程与科学杂志2021年第4期北京时间:

作者:徐海坤, 匡邓晖, 刘杰, 龚春叶,

单位:(1.国防科技大学并行与分布处理国家重点实验室,湖南 长沙 410073;2.国防科技大学复杂系统软件工程湖南省重点实验室,湖南 长沙 410073)

摘要:蒙特卡罗MC方法是核反应堆设计和分析中重要的粒子输运模拟方法。MC方法能够模拟复杂几何形状且计算结果精度高,缺点是需要耗费大量时间进行上亿规模粒子模拟。如何提高蒙特卡罗程序的性能成为大规模蒙特卡罗数值模拟的挑战。基于堆用蒙特卡罗分析程序RMC,先后开展了基于TCMalloc动态内存分配优化、OpenMP线程调度策略优化、vector内存对齐优化和基于HDF5的并行I/O优化等一系列优化手段,对于200万粒子的算例,使其总体性能提高26.45%以上。

关键词:蒙特卡罗方法,性能优化,内存管理,并行I/O,

基金资助:国家重点研发计划(2017YFB0202104,2018YFB0204301)

2021年4期其他文献查阅:

实时机模型及时间语义指令集研究

Proto-Perf:快速精确的通用处理器原型系统性能评估方法

基于Soft-NMS的候选框去冗余加速器设计

基于MPI的高精度归约函数设计与实现

基于帧缓冲队列的边缘视频处理加速方法

基于GPU的海量离散点高程并行插值算法

一种多核处理器直连接口QoS的设计与验证

基于FPGA的高效可伸缩的MobileNet加速器实现

基于RMC的蒙特卡罗程序性能优化

基于PCIe的高性能FPGA-GPU-CPU异构编程架构

一种基于参考模型的GPDSP指令流控自动验证方法

基于SIMD的Square Root函数高性能实现与优化

融合文本分布式表示的重复缺陷报告检测

ARM计算环境下堆芯程序的移植

一种基于DBSCAN算法的代码包层次重构改进方法

基于对抗学习和多尺度特征融合的前列腺MR图像分割

基于深度学习和证据理论的表情识别模型

基于路径聚合扩张卷积的图像语义分割方法

基于残差混合扩张卷积的深度编解码人类精子头部分割网络

基于多特征融合卷积神经网络的显著性检测

一种基于主属性判定的关联规则挖掘约简算法

基于组合核函数的径向基过程神经网络及其在示功图诊断中的应用

基于深度学习的集群式供应链应急物资需求预测研究

填文献完整题目 获取完整文献

填写需求
联系方式
注:学术顾问会在1小时内联系您,请留意!