基于异构计算的三维FDTD并行算法及其在电磁仿真中的应用

计算机工程与科学

基于异构计算的三维FDTD并行算法及其在电磁仿真中的应用

周兰花1，付彬1,2，李仁发1，刘新忠1，黄晶1

（1.湖南大学信息科学与工程学院,湖南长沙 410082;

2.近地空间电磁环境监测与建模重点实验室（长沙理工大学），湖南长沙 410114）

收稿日期:2015-12-21 修回日期:2016-04-13 出版日期:2017-07-25 发布日期:2017-07-25
基金资助:
国家863计划(2012AA01A301-01)；长沙理工大学近地空间电磁环境监测与建模湖南省普通高校重点实验室开放基金（20150105）

A 3D FDTD parallel algorithm based on heterogeneous

computing and its application in electromagnetic simulation

ZHOU Lan-hua1，FU Bin1,2，Li Ren-fa1，LIU Xin-zhong1，HUANG Jing1

（1.School of Information Science and Engineering,Hunan University,Changsha 410082;

2.Laboratory for Electromagnetic Environment Monitoring and Modeling of Near Earth Space,Changsha 410114,China）

Received:2015-12-21 Revised:2016-04-13 Online:2017-07-25 Published:2017-07-25

摘要/Abstract

摘要：

时域有限差分（FDTD）法是求解电磁学中麦克斯韦方程组的重要方法之一，一直以来获得了广泛的使用，但是应用于电大尺寸目标仿真时存在巨大的耗时问题。为解决这一问题，利用图形处理器（GPU）的并行处理特性，结合计算统一设备架构（CUDA），以低通滤波器为算例，实现了时域卷积理想匹配层（CPML）吸收边界的三维FDTD高性能加速计算，目标网格数达5百万。实验在Fermi架构的Quadro 4000和Tesla M2050两款GPU上实测，误差均在10－4范围内，相对于同时期的CPU分别可获得36和55倍以上的加速，结果表明该方法具有精度高、效率高、通用性和实用性强等特点。

关键词: 计算电磁学, FDTD, 异构计算, 计算统一设备架构

Abstract:

The finite difference time domain (FDTD) method is one of the important methods for solving Maxwell’s equations in electromagnetics, and it is widely used. But it is time consuming when applied to the simulation of electrically large targets. In order to solve this problem, we take advantage of the parallel processing capacity of the graphics processor unit (GPU) together with the compute unified device architecture (CUDA). Taking a low pass filter as an example and using five million targeting grids, we realize three-dimensional FDTD high performance speed calculation with time-domain convolution perfectly matched layer (CPML) absorbing boundary. Experiments are carried out on the Quadro 4000 and Tesla M2050 GPUs with the Fermi architecture, whose error rate is within the range of 10-4, and can obtain 36 and 55 times faster speed than the CPU of the same period. The results show that the method has the characteristics of high precision, high efficiency, versatility and strong practicability.

Key words: computational electromagnetics, FDTD, heterogeneous computing, CUDA

周兰花1，付彬1,2，李仁发1，刘新忠1，黄晶1. 基于异构计算的三维FDTD并行算法及其在电磁仿真中的应用[J]. 计算机工程与科学.

ZHOU Lan-hua1，FU Bin1,2，Li Ren-fa1，LIU Xin-zhong1，HUANG Jing1.

A 3D FDTD parallel algorithm based on heterogeneous

computing and its application in electromagnetic simulation

[J]. Computer Engineering & Science.

[1]	郭宸良, 阎少宏, 宗晨琪. 线云隐私攻击算法的并行加速研究[J]. 计算机工程与科学, 2024, 46(04): 615-625.
[2]	吴超, 卫谦, 周俊伟, 李会民, 孙广中. 基于异构计算平台的背景噪声预处理并行算法[J]. 计算机工程与科学, 2023, 45(10): 1711-1719.
[3]	朱文龙, 江嘉治, 黄聃, 肖侬. ParM:基于国产处理器的异构并行编程模型[J]. 计算机工程与科学, 2023, 45(09): 1521-1531.
[4]	刘忠沛, 吕高锋, 王继昌, 杨翔瑞. 专用数据处理器综述[J]. 计算机工程与科学, 2023, 45(02): 215-227.
[5]	孙兆鹏, 周宽久. 基于PCIe的高性能FPGA-GPU-CPU异构编程架构[J]. 计算机工程与科学, 2021, 43(04): 641-651.
[6]	李仁刚, 任智新, 黄广奎, 孙颉, 王峰, 张闯, . 面向数据库查询加速的异构体系结构设计与实现[J]. 计算机工程与科学, 2020, 42(12): 2169-2178.
[7]	王宇新，王飞，王冠，郭禾. 一种基于两级DAG模型的MapReduce工作流异构调度算法[J]. 计算机工程与科学, 2019, 41(08): 1353-1359.
[8]	谈兆年，计卫星，Akrem Benatia，高建花，李安民，王一拙. 面向异构计算平台的SpMV划分优化算法研究[J]. 计算机工程与科学, 2019, 41(04): 590-597.
[9]	李安民,计卫星,廖心怡，高建花，谈兆年，王一拙，石峰. 一种面向异构计算的结构化并行编程框架[J]. 计算机工程与科学, 2019, 41(03): 424-432.
[10]	崔浩然，李涵，冯煜晶，吴萌，王超，陶冠良，张志敏. 面向深度学习的SoC架构设计与仿真[J]. 计算机工程与科学, 2019, 41(01): 14-23.
[11]	张敏华,张剑贤,裘雪红,周端. 基于OpenCL 的JPEG压缩算法并行化设计与实现[J]. 计算机工程与科学, 2017, 39(05): 860-.
[12]	阳王东1,2 ,李肯立2. 基于HYB格式稀疏矩阵与向量乘在CPU+GPU异构系统中的实现与优化[J]. J4, 2016, 38(02): 202-209.
[13]	徐磊，徐莹，蒋荣琳，张丹丹. GPU集群上的三维UPML-FDTD算法的实现及优化[J]. J4, 2013, 35(11): 160-167.