GPU運算在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)展相當迅速，GPU的運算能力及存儲帶寬均已遠遠超過目前主流CPU。將GPU作為CPU的協(xié)處理器完成大規(guī)模數(shù)據(jù)密集型的計算任務(wù)，相對于集群和超級計算機的實現(xiàn)，具有很高性能和性價比。
　　 現(xiàn)在，STM在表面科學研究中應(yīng)用非常廣泛，其中對STM圖像的理論模擬十分關(guān)鍵。但是做大量圖像模擬時，運算量會比較大，耗時較長。因此，本文基于CUDA（Compute

2、r Unifie Device Architecture，統(tǒng)一計算設(shè)備架構(gòu)）平臺，利用GPU來加速STM圖像模擬。
　　 同時，我們還對金屬酞菁（MPc）分子的負微分電阻效應(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，進一步研究了NDR效應(yīng)的形成機制及應(yīng)用。對負微分電阻效應(yīng)的研究有一定的促進作用。
　　 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用于通用計算從基本的圖像處理到GPGPU通用計算再到CUDA的發(fā)展歷程。最后我們詳述了CUDA的設(shè)計原理，CUDA軟件的架構(gòu)，CUDA的線程模型，存儲結(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，我們首先通過兩個測試體系驗證了程序的正確性。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。然后對程序各部分的加速進行測試，得到不同部分在GPU中的加速情況。最后，對整體加速，我們比較了兩種算法。一種應(yīng)用FFTW傅里葉變換庫，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算量來考察GPU的總體