[论文解读] Oct-tree Method on GPU

Nobukazu Nakasato|ArXiv.org|Sep 2, 2009

Computational Physics and Python Applications参考文献 17被引用 5

一句话总结

本文提出了一种高度优化的、基于迭代的GPU实现的八叉树方法，用于宇宙学N体模拟，在成本为每Gflop 41.6美元的情况下实现了21.8 Gflops的持续性能——相比先前记录提高了2.5倍。通过将递归的树遍历转换为迭代的GPU内核，并利用RV770 GPU的流处理器，该方法在N > 10,000粒子的大规模天体物理模拟中，优于暴力法和FMM方法。

ABSTRACT

The kd-tree is a fundamental tool in computer science. Among others, an application of the kd-tree search (oct-tree method) to fast evaluation of particle interactions and neighbor search is highly important since computational complexity of these problems are reduced from O(N^2) with a brute force method to O(N log N) with the tree method where N is a number of particles. In this paper, we present a parallel implementation of the tree method running on a graphic processor unit (GPU). We successfully run a simulation of structure formation in the universe very efficiently. On our system, which costs roughly $900, the run with N ~ 2.87x10^6 particles took 5.79 hours and executed 1.2x10^13 force evaluations in total. We obtained the sustained computing speed of 21.8 Gflops and the cost per Gflops of 41.6/Gflops that is two and half times better than the previous record in 2006.

研究动机与目标

• 开发一种高性能、GPU加速的八叉树方法，用于宇宙学N体模拟。
• 通过利用GPU并行性和优化树遍历以适应GPU执行，降低每Gflop的计算成本。
• 在大规模N模拟中，性能和成本效益方面超越现有的暴力法和基于FMM的GPU方法。
• 通过扩展八叉树框架，实现可扩展的、真实的天体物理模拟，涉及短程力（如SPH中的力）。

提出的方法

• 将递归的八叉树遍历转换为迭代内核，以改善GPU线程发散和内存合并访问。
• 在RV770 GPU的800个流处理器上实现力计算，使用单精度浮点运算，每个160个线程处理器（TP）每周期最多处理五个操作。
• 采用分层内存模型，结合共享内存和纹理缓存，以优化树遍历和力评估期间的数据访问。
• 使用自适应开口角θ = 0.6的粒子分布，以在精度和计算成本之间取得平衡。
• 通过随时间积分力交互速率，实现力交互计数，以估算总FLOPs。
• 通过在时间步之间重用空间数据结构，优化内存访问模式并最小化冗余的树构建。

实验结果

研究问题

• RQ1 能否将迭代的八叉树遍历高效映射到GPU架构上，以在N体模拟中实现高性能？
• RQ2 与暴力法和基于FMM的方法相比，GPU加速的八叉树方法在性能和成本效益方面如何？
• RQ3 对于N > 10^6粒子的宇宙学模拟，该八叉树方法在持续FLOPS和每Gflop成本方面如何扩展？
• RQ4 在典型的天体物理模拟中，具有聚集粒子分布的情况下，GPU优化的八叉树方法能否优于GPU上的FMM？

主要发现

• 在RV770 GPU上，GPU优化的八叉树方法实现了21.8 Gflops的持续性能，共进行了1.2×10^13次力评估。
• 每Gflop的成本为41.6美元，相比先前最佳结果105美元/Gflop，提升了2.5倍。
• 对于N > 10,000个粒子，由于其O(N log N)复杂度，GPU上的八叉树方法显著优于暴力法。
• 在N = 1,048,576个粒子的测试中，缓存命中率达到70%，表明内存访问效率高。
• 尽管FMM具有O(N)复杂度，该八叉树方法在相同粒子数和分布下，仍优于近期在NVIDIA G80 GPU上实现的FMM方法。
• 该实现可扩展以支持短程力（如光滑粒子流体动力学SPH中的力），从而实现更真实的天体物理模拟。