Accelerating Gaussian beam tracing method with dynamic parallelism on graphics processing units

Zhang Sheng

doi:10.1016/j.cpc.2025.109722

Accelerating Gaussian beam tracing method with dynamic parallelism on graphics processing units

2025-06-25

0

OA

AI

DOI：10.1016/j.cpc.2025.109722

原文链接

原文求助

摘要

En 中文

本研究提出了一种利用图形处理器（GPU）的高效高斯射线追踪（GBT）方法实现，以克服传统基于CPU的声学模拟的性能限制。该算法在NVIDIA RTX A6000 GPU上实现了实现和优化，显著提升了高斯射线求和（GBS）性能。我们通过利用CUDA的动态并行ism有效解决了GBT固有的不规则控制流挑战，直接在GPU上展平并调度嵌套循环。此外，使用NVIDIA Nsight Compute的基于性能分析的优化工作流实现了针对性的改进，将流多处理器（SM）吞吐量从22.27%提高到33.32%，L1缓存吞吐量从13.15%提高到22.15%，L2缓存吞吐量从9.16%提高到21.26%。因此，GPU加速的GBS算法相比原始的单线程CPU实现实现了高达817倍的加速，而在包含16,384条射线的城市环境场景中，整个计算流水线达到了112倍的加速。此外，本研究引入了克服GPU内存限制的创新策略，能够高效处理超出单核限制的大规模射线数据集。最后，我们建立了系统性的性能评估方法，这对于分析和调优GPU加速算法至关重要，为未来的增强和可扩展性改进奠定了基础。

Keyword:

Gaussian beam tracing

GPU acceleration

CUDA

acoustic simulation

performance optimization

Accelerating Gaussian beam tracing method with dynamic parallelism on graphics processing units

摘要

期刊

机构

引用论文