Cuda GPU加速硬件模拟？

我正在调查GPGPU是否可以用于加速硬件模拟。 我的理由是：由于硬件本质上是非常并行的，为什么要在高度顺序的CPU上进行模拟

GPU在这方面会非常出色，如果不是因为它们限制性的编程风格：您只有一个内核在运行，等等

我对GPGPU编程几乎没有经验，但在OpenCL/CUDA中是否可以使用事件或队列

---

编辑：硬件模拟不是指模拟，而是位精度行为模拟（如VHDL行为模拟）。

我不知道在GPU上进行VHDL模拟的任何方法（或映射离散事件模拟的一般方案），但在某些应用领域，离散事件模拟通常被应用，并且可以在GPU上进行有效模拟（例如，运输网络，如或，或化学系统的随机模拟，如中所做）

是否有可能重新制定问题的方式，使离散时间步进模拟器可行？在这种情况下，GPU上的模拟应该简单得多（而且更快，即使它看起来很浪费，因为时间步长必须足够小——例如，请参见基于GPU的细胞自动机模拟）

---

然而，请注意，这仍然很可能是一个非常重要的（研究）问题，没有通用方案的原因是您已经假设的：在GPU上实现事件队列很困难，GPU上的大多数模拟方法由于巧妙的内存布局、特定于应用程序的优化和问题修改而提高了速度。

这超出了我的专业范围，但似乎以下文章讨论的是门级模拟而不是行为模拟，其中可能包含一些有用的想法：

Debapriya Chatterjee，Andrew Deorio，Valeria Bertaco。 基于GPU计算的门级仿真

---

我的直觉认为离散事件模拟不适合GPU。控制太多，运算强度不够，可能太不规则。我希望有人能证明这个直觉是错误的。。。想一想，也许我还记得我浏览过一篇关于这个的论文。“我会查阅笔记，让你知道发生了什么。”帕特里克87，我的想法完全正确。链接到一篇论文就好了。谢谢，谢谢。纸张#2可能有用。我还发现找不到页面。@Goldname我修复了链接错误，请重试。