.png){kind=icon}
返回
Large-scale acceleration algorithms for a deep convective physical parameterization scheme on GPU
.png){kind=icon}
OA
AI
DOI：10.1371/journal.pone.0314606.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
地质灾害的早期预警需要监测极端天气条件，如强降雨。大气环流模型用于天气预报和气候模拟。作为大气环流模型中的关键物理过程，Zhang-McFarlane（ZM）深对流物理参数化方案涉及计算密集型计算，这些计算显著影响模型的整体运行效率。然而，这些计算中的许多是独立的，可以并行计算。因此，本文提出了一种基于GPU的ZM方案加速算法。基于ZM方案的计算特性，我们提出了基于GPU的一维和二维加速算法。这些算法使用CUDA C实现，并与单Kunpeng-920（双插槽）CPU核心以及多核CPU上的OpenMP版本进行了比较。在无I/O传输的情况下，所提出的算法实现了413.6倍的加速。实验结果表明，所提出的算法和方法具有显著的加速效果。这对深对流参数化方案的发展及其在气候模型中的进一步推广具有重要意义。此外，我们提出了一种利用CUDA流技术来提高CPU与GPU之间数据传输效率的性能优化方法。在有I/O传输的情况下，所提出的算法在A100 GPU上实现了350.1倍的加速。
Keyword:
CLIMATE
CLOUD
MODELS
期刊
IF:
2.6
论文数:
2.6W
被引数:
81.6W
机构
引用论文
A GPU-enabled acceleration algorithm for the CAM5 cloud microphysics scheme一种适用于CAM5云微物理方案的GPU加速算法
.png){kind=icon}
PREAI
分享收藏GPU acceleration of MPAS microphysics WSM6 using OpenACC directives: Performance and verification
OAAI
OAAI分享收藏Towards European-scale convection-resolving climate simulations with GPUs: a study with COSMO 4.19OAAI
OAAI分享收藏
查看更多内容