GPU流式計(jì)算模型應(yīng)用研究.pdf

1、當(dāng)前市場(chǎng)主流處理器的發(fā)展趨勢(shì)是多核化/眾核化，即通過(guò)提高處理器核心數(shù)目保持計(jì)算性能的持續(xù)增長(zhǎng)。最新的圖形處理器已經(jīng)能夠提高兆級(jí)的FLOPS理論峰值，遠(yuǎn)遠(yuǎn)超出了市場(chǎng)主流多核CPU。本文以國(guó)家自然科學(xué)基金項(xiàng)目(60803054)、浙江省自然科學(xué)基金項(xiàng)目(Y1100069)和AMD-浙江大學(xué)合作項(xiàng)目為研究背景，針對(duì)流式計(jì)算模型及其應(yīng)用展開(kāi)研究，主要工作包括：
　　 1、在NVIDIA CUDA平臺(tái)上實(shí)現(xiàn)了基因序列比對(duì)的分值計(jì)算部分。本

2、文設(shè)計(jì)實(shí)現(xiàn)的Diamond Tiled Wavefront算法的效率能夠達(dá)到傳統(tǒng)的Tiled Wavefront算法的1.7倍，更充分的利用GPU的并行性，更快的返回兩個(gè)序列串的局部最大匹配值。
　　 2、在NVIDIA CUDA平臺(tái)上實(shí)現(xiàn)了基因序列比對(duì)的精確比對(duì)部分。本文設(shè)計(jì)實(shí)現(xiàn)的流式序列比對(duì)算法首次在GPU上實(shí)現(xiàn)精確返回各元素的位置匹配結(jié)果。
　　 3、在ATI Stream平臺(tái)上實(shí)現(xiàn)了三維模型凸包生成算法。在GPU

3、上解決了CPU代碼中大量應(yīng)用vector、queue、map數(shù)據(jù)結(jié)構(gòu)的問(wèn)題。同時(shí)本文也介紹了一些用于輔助或優(yōu)化上述算法實(shí)現(xiàn)的通用流式算法。
　　 4、在NVIDIA GeForce GTX285和ATI Radeon5870圖形處理器上使用CUDA和OpenCL實(shí)現(xiàn)了以上算法，并使用一系列模型進(jìn)行了測(cè)試。
　　 本文算法對(duì)于基于GPU的算法加速研究具有一定的通用意義，并能延伸到其他生物計(jì)算、幾何處理等領(lǐng)域的相關(guān)問(wèn)題。