JefiFast: Accelerating Jefimenko's Equations with Memory-Centric Optimizations and Multi-GPU Parallelism

Bing He

doi:10.3390/physics8020043

JefiFast: Accelerating Jefimenko's Equations with Memory-Centric Optimizations and Multi-GPU Parallelism

2026-05-07

0

PRE

AI

DOI：10.3390/physics8020043

原文链接

原文求助

摘要

En 中文

作为计算电磁学中数值求解的基础，特别是在多物理场和电磁兼容性应用中，杰菲缅科方程为麦克斯韦方程组提供了一种广义解，能够直接从时变源分布计算电磁场，避免了网格基方法固有的边界条件伪影。然而，这些方程的数值积分计算量很大，通常随源点Ns和观察点No的数量呈O(NsNo)规模。本文提出JefiFast，一种高度优化的图形处理器（GPU）实现，其性能显著优于当前最先进的JefiGPU算法。我们发现，以往实现严格受内存限制，源于全局内存事务的低效性和数据复用不足。JefiFast通过四项关键优化解决了这些瓶颈：（i）采用结构体数组方法实现打包内存布局（PML），确保源密度及其导数的内存合并访问；（ii）引入几何感知的共享内存分块策略，最大化L2（二级）缓存命中率及片上数据复用；（iii）预计算时间导数以减少冗余算术运算；（iv）采用稳健的观察域分解策略，实现跨多GPU的线性扩展。基准测试表明，JefiFast相较于基线实现，加速比从单NVIDIA V100显卡上的4.08倍（303网格）提升至4卡NVIDIA V100上的84.51倍（503网格）。值得注意的是，在单GPU上处理503网格时，JefiFast将执行时间从约51分钟缩短至约2.6分钟（加速19.54倍）。这些性能提升使高分辨率相对论重离子碰撞模拟在近实时条件下成为可能。

Keyword:

computational electrodynamics

Jefimenko's equations

GPU acceleration

CUDA

high-performance computing

JefiFast: Accelerating Jefimenko's Equations with Memory-Centric Optimizations and Multi-GPU Parallelism

摘要

期刊

机构