GPU流式計算模型應用研究.pdf

1、當前市場主流處理器的發(fā)展趨勢是多核化/眾核化，即通過提高處理器核心數目保持計算性能的持續(xù)增長。最新的圖形處理器已經能夠提高兆級的FLOPS理論峰值，遠遠超出了市場主流多核CPU。本文以國家自然科學基金項目(60803054)、浙江省自然科學基金項目(Y1100069)和AMD-浙江大學合作項目為研究背景，針對流式計算模型及其應用展開研究，主要工作包括：
　　 1、在NVIDIA CUDA平臺上實現(xiàn)了基因序列比對的分值計算部分。本

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

3、上解決了CPU代碼中大量應用vector、queue、map數據結構的問題。同時本文也介紹了一些用于輔助或優(yōu)化上述算法實現(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實現(xiàn)了以上算法，并使用一系列模型進行了測試。
　　 本文算法對于基于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算、幾何處理等領域的相關問題。