GPU運(yùn)算在STM模擬中的應(yīng)用.pdf

1、近年來，圖形處理器（Graphics Processing Unit,GPU）的發(fā)展相當(dāng)迅速，GPU的運(yùn)算能力及存儲(chǔ)帶寬均已遠(yuǎn)遠(yuǎn)超過目前主流CPU。將GPU作為CPU的協(xié)處理器完成大規(guī)模數(shù)據(jù)密集型的計(jì)算任務(wù)，相對(duì)于集群和超級(jí)計(jì)算機(jī)的實(shí)現(xiàn)，具有很高性能和性價(jià)比。
　　 現(xiàn)在，STM在表面科學(xué)研究中應(yīng)用非常廣泛，其中對(duì)STM圖像的理論模擬十分關(guān)鍵。但是做大量圖像模擬時(shí)，運(yùn)算量會(huì)比較大，耗時(shí)較長(zhǎng)。因此，本文基于CUDA（Compute

2、r Unifie Device Architecture，統(tǒng)一計(jì)算設(shè)備架構(gòu)）平臺(tái)，利用GPU來加速STM圖像模擬。
　　 同時(shí)，我們還對(duì)金屬酞菁（MPc）分子的負(fù)微分電阻效應(yīng)（NDR效應(yīng)）做了一些研究，基于我們開發(fā)的STM模擬方法，模擬了金屬酞菁分子的STS譜，進(jìn)一步研究了NDR效應(yīng)的形成機(jī)制及應(yīng)用。對(duì)負(fù)微分電阻效應(yīng)的研究有一定的促進(jìn)作用。
　　 第一章，我們首先從GPU的硬件特征入手介紹GPU的基本架構(gòu)，以及GPU的硬

3、件模型的發(fā)展。然后我們講述了GPU用于通用計(jì)算從基本的圖像處理到GPGPU通用計(jì)算再到CUDA的發(fā)展歷程。最后我們?cè)斒隽薈UDA的設(shè)計(jì)原理，CUDA軟件的架構(gòu)，CUDA的線程模型，存儲(chǔ)結(jié)構(gòu)，編譯方法等。
　　 第二章，我們首先介紹STM的基本工作原理，接著我們對(duì)STM模擬的幾種基本方法做了概述。首先，我們講述了修正的Bardeen方法（MBA方法），以及這種方法的一個(gè)特例，也就是應(yīng)用比較廣泛的Tesoff-Hammann方法，最

4、后介紹了基于Bardeen方法發(fā)展的一個(gè)新的STM模擬方法，這種方法也是本文GPU模擬所采用的方法。
　　 第三章，我們首先通過兩個(gè)測(cè)試體系驗(yàn)證了程序的正確性。接著我們介紹了程序的基本算法，并分析了程序中部分重要的代碼。然后對(duì)程序各部分的加速進(jìn)行測(cè)試，得到不同部分在GPU中的加速情況。最后，對(duì)整體加速，我們比較了兩種算法。一種應(yīng)用FFTW傅里葉變換庫(kù)，另一種應(yīng)用CUDA的傅里葉變換。我們通過不斷加大程序的運(yùn)算量來考察GPU的總體