Parallel processing 此模拟是否适用于CUDA或OpenCL？

我是代表一个从事数值天体物理学的朋友问的

基本上，他所做的是模拟一团气体。电池数量有限，时间步长的定义使得气体在每一步中不能穿过多个电池。每个电池都有密度和温度等特性。每个时间步都需要计算这些（和位置）。我认为主要是位置问题，因为它主要受细胞间重力相互作用的影响，所有这些相互影响

目前，他正在一个大约150个节点的集群上运行这个，但我想知道，如果它可以像这样并行化，那么使用CUDA在几个GPU上运行会更快吗？目前，他需要几天的时间来完成一个模拟。由于GPU通常有约500个内核，因此它们似乎可以提供一个提升

---

也许我完全错了。

如果不了解模拟的更多细节，就无法确定它是否会提高性能。从广义上讲，内存受限的算法（即每个内存事务相对较少的算术运算）往往从卸载到GPU中获益最多

---

特别是对于天体物理模拟，以下链接可能有用：

是的，这听起来像是GPU的一个不错的应用程序。GPU处理在大数据集上运行相同功能时最有效。如果你已经让它在集群计算机上并行运行了，我会说在单个图形卡上编写并测试它，看看这是否是单个集群上的改进，然后相应地扩展

您描述的任务非常适合GPU。GPU已成功地用于显著提高粒子、空气动力学和流体模拟等领域的性能

是否有为CUDA/OpenCL编写的类似程序？它们之间有什么区别？@pst看起来有一些流体动力学的例子，但每个细胞只与其相邻的细胞相互作用，而实际上，由于重力的相互作用发生在所有细胞之间，是的，天体物理模拟非常适合在GPGPU硬件甚至FPGA上运行。从广义上讲，内存受限的算法（即每个内存事务相对较少的算术运算）往往从卸载到GPU中获益最大另一种情况是，将计算绑定的算法移植到GPU中会带来最大的好处。我应该说的是，具有高数据级并行性的应用程序更有可能受益，这是一个更准确的说法。GPU通常比CPU具有更高的带宽-浮点比，因此内存受限的内核将受益，但总体来看是复杂的。有关该问题的研究，请参阅。