[论文解读] Using Graphics Processing Units to solve the classical N-body problem in physics and astrophysics

Mario Spera|arXiv (Cornell University)|Nov 19, 2014

Parallel Computing and Optimization Techniques参考文献 1被引用 4

一句话总结

本文提出 HiGPUs，一种基于 GPU 加速的直接 N 体代码，采用 Hermite 积分器和 CUDA/OpenCL 技术，在仅使用 CPU 的方法上实现了超过 100 倍的加速。它引入了 HiGPUs-R，一种新颖的并行实现方式，用于处理 Mikkola 的算法正则化，以应对近距离相遇问题，从而实现复杂恒星动力学的稳定且精确模拟，具备优异的能量守恒性，单块 GPU 上性能最高可达 1.4 TFlops。

ABSTRACT

Graphics Processing Units (GPUs) can speed up the numerical solution of various problems in astrophysics including the dynamical evolution of stellar systems; the performance gain can be more than a factor 100 compared to using a Central Processing Unit only. In this work I describe some strategies to speed up the classical $N$-body problem using GPUs. I show some features of the $N$-body code HiGPUs as template code. In this context, I also give some hints on the parallel implementation of a regularization method and I introduce the code HiGPUs-R. Although the main application of this work concerns astrophysics, some of the presented techniques are of general validity and can be applied to other branches of physics such as electrodynamics and QCD.

研究动机与目标

• 使用 GPU 硬件加速天体物理学中经典 N 体问题的数值求解。
• 解决由于粒子间近距离相遇导致的 N 体模拟中的紫外发散问题。
• 在基于 GPU 的 N 体框架中实现并优化一种并行正则化方法——具体为 Mikkola 的算法正则化（MAR）。
• 实现对复杂动力系统（如分级双星和抛射事件）的高精度模拟，这些系统在使用标准积分器时不稳定或不可行。
• 展示基于 GPU 的 N 体代码在单 GPU 和多 GPU 集群架构上的可扩展性与性能。

提出的方法

• 在 HiGPUs 代码中使用六阶 Hermite 时间积分器，仅在每个时间步进行一次力计算即可实现高精度。
• 利用 CUDA 或 OpenCL 技术，充分发挥 GPU 的大规模并行性，支持最多 3,000 个核心和 80,000 个并发线程。
• 在引力作用定律中引入软化参数 ε，以缓解紫外发散问题，而无需依赖正则化。
• 采用混合 CPU-GPU 方法：CPU 线程负责识别并启动紧密绑定的粒子组，而 GPU 内核则执行后台计算。
• 在 HiGPUs-R 中引入 MAR 的并行方案，实现在主 N 体积分过程中对小型子系统进行异步正则化。
• 使用 MPI 和 OpenMP 在 GPU 集群上扩展代码，支持大规模 N 体系统（最多 8×10⁶ 个粒子）的分布式计算。

实验结果

研究问题

• RQ1 GPU 加速如何提升天体物理学中直接 N 体模拟的性能？
• RQ2 在 GPU 架构中，处理 N 体模拟中紫外发散问题的最有效策略是什么？
• RQ3 Mikkola 的算法正则化能否在 GPU 基础的 N 体代码中实现高效并行化与集成？
• RQ4 在 N 体模拟中，采用混合 CPU-GPU 正则化策略可实现哪些性能提升与精度改进？
• RQ5 HiGPUs 和 HiGPUs-R 代码在多 GPU 集群上对大规模 N 体系统的可扩展性如何？

主要发现

• 当在 256 块 GPU 上扩展时，HiGPUs 的计算效率约为 92%，适用于 N ≈ 8×10⁶ 个粒子。
• 该代码在单块 GeForce GTX TITAN Black GPU 上可维持约 1.4 TFlops 的性能。
• HiGPUs-R 实现了对修改版毕达哥拉斯三体问题的稳定模拟，该问题因时间步长限制而无法用标准 Hermite 积分器求解。
• HiGPUs-R 中的能量守恒表现优异，长期积分过程中相对能量变化始终低于 10⁻⁸。
• 使用 MAR 的正则化将复杂系统的积分时间缩短至约 10 秒，否则将需要极小的时间步长，导致计算不可行。
• 混合 CPU-GPU 并行化策略允许正则化过程异步进行，最大限度减少空闲时间并提升 GPU 利用率。