利用GPU值得吗？

Question

我想计算受某些势能约束的粒子的轨迹，这是一个典型的N体问题。我一直在研究利用GPU的方法(例如CUDA)，它们似乎对大N (20000)的模拟有利。这是有道理的，因为最昂贵的计算通常是求力。

然而，我的系统将具有“低”N(小于20)，许多不同的潜力/因素，以及许多时间步长。是否值得将此系统移植到GPU上？

根据Fast N-Body Simulation with CUDA的文章，对于不同的计算(如加速度和力)，使用不同的内核似乎是有效的。对于低N的系统，似乎复制到设备/从设备复制的成本实际上是很大的，因为对于每个时间步，必须为每个内核从设备复制和检索数据。

任何想法都将不胜感激。

Answer 1

如果你需要并行模拟的实体少于20个，我只会在普通的多核CPU上使用并行处理，而不会费心使用GPU。

使用多核CPU将更容易编程，并避免将所有操作转换为GPU操作的步骤。

此外，正如您已经建议的那样，使用GPU的性能增益将很小(甚至是负的)，因为进程数量很少。

Answer 2

不需要将结果从设备复制到主机，并在时间步长之间来回复制。只需在GPU上运行整个模拟，并仅在计算了几个时间步长后才将结果复制回来。

对于多少个不同的势，你需要运行模拟？是否足够使用N-body示例中的结构，并且仍然加载整个GPU？

如果不是，并且假设潜在的计算是昂贵的，我认为最好为每一对粒子使用一个线程，以便使问题足够并行。如果对每个潜在设置使用一个块，则可以将力写出到共享内存__syncthreads()，并使用块线程的子集(每个粒子一个)对力求和。__syncthreads()，然后继续下一个时间步。

如果潜在的计算并不昂贵，那么可能值得先探索一下模拟的主要成本在哪里。