技术特征：
1.一种基于gpu集群的相对论性波尔兹曼方程计算方法，其特征在于，包括以下步骤：s1，由gpu集群中主节点划定分布函数所在的相空间范围，并将分布函数所在的相空间在直角坐标系中划分为多个网格；s2，根据gpu集群中分节点的数量，对经步骤s1划分的多个网格拆分为多个坐标空间；其中，多个所述坐标空间之间有交叠部分；s3，将多个坐标空间分别分配至各分节点，在每个分节点上通过中心差分的形式对相对论性波尔兹曼方程的左侧进行更新，并对碰撞积分采用蒙卡方式进行计算；s4，将每个分节点中坐标空间与其他分节点中坐标空间交叠部分的分布函数回收至主节点，对各交叠部分中的错误数值进行替换，再将替换过错误数值后的交叠部分重新分配至原分节点中；s5，重复执行步骤s3和步骤s4，沿时间更新分布函数的信息。2.如权利要求1所述基于gpu集群的相对论性波尔兹曼方程计算方法，其特征在于：步骤s3中，所述将多个坐标空间分别分配至各分节点具体为，将多个坐标空间分别用python库ray分配至各分节点。3.如权利要求1或2所述基于gpu集群的相对论性波尔兹曼方程计算方法，其特征在于：步骤s3中，所述通过中心差分的形式对相对论性波尔兹曼方程的左侧进行更新具体为，利用python库numba通过中心差分的形式对相对论性波尔兹曼方程的左侧进行更新，并将更新过程中的全部信息存储在相应节点显卡的全局内存中；所述对碰撞积分采用蒙卡方式进行计算具体为，对碰撞积分在cuda核上采用蒙卡方式进行计算，并将计算过程中的全部信息存储在相应节点显卡的局域显存中。4.如权利要求3所述基于gpu集群的相对论性波尔兹曼方程计算方法，其特征在于：步骤s4中，所述沿时间更新分布函数的信息具体为，利用时间的一阶差分更新分布函数的信息。5.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现如权利要求1至4任一所述方法的步骤。6.一种控制设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于：所述处理器执行所述计算机程序时实现如权利要求1至4任一所述方法的步骤。
技术总结
本发明属于相对论性波尔兹曼方程求解处理方法，为解决目前通过PRD-BE求解波尔兹曼方程，当系统涉及到超大规模GPU显卡集群时，计算效率会有大幅度降低的技术问题，提供一种基于大型GPU集群的相对论性波尔兹曼方程计算方法、计算机可读存储介质及设备，计算方法通过将坐标空间进行分割，能够在多GPU设备上进行玻尔兹曼方程的求解，相较于现有的PRD-BE，能够更好地适配多GPU集群，具备跨节点的并行能力。力。力。
技术研发人员：张俊杰 彭国良 任泽平 高银军 杜太焦 谢海燕
受保护的技术使用者：西北核技术研究所
技术研发日：2021.12.02
技术公布日：2022/3/8
再多了解一些
本文用于企业家、创业者技术爱好者查询，结果仅供参考。
