基于GPU的混合精度平方根共轭梯度算法

摘要：

针对当前基于GPU的数值算法具有双精度数据性能低下的缺陷.提出了一种适于GPU统一计算架构Fermi-CUDA的混合精度平方根共轭梯度算法用以求解稀疏线性方程组.该算法采用单精度内迭代与双精度外迭代结合的方法,以充分利用GPU体系结构下单精度高性能和双精度高精度的优点.整个算法的计算部分完全在GPU端进行,减少了CPU和GPU之间的数据通信.实现了基于GPU的平方根共轭梯度法、Jacobi迭代法和Gauss-Seidel迭代法,分析它们作为内迭代算子对算法收敛性的影响.实验表明,该算法获得了与全双精度数据处理等同的计算精度,比GPU全双精度在浮点性能上提升近一倍,相对于CPU全双精度串行算法,最大加速比达到70以上.

关键词：线性方程组、平方根共轭梯度算法、内外迭代子、混合精度、图形处理器

所属期刊栏目：33

分类号：TP311.1(计算技术、计算机技术)

资助基金：国家自然科学基金60973089,60873148,60773097,61003101;吉林省科技发展计划项目基金201101039,20101501,20100185,20090108,20080107;欧盟合作项目155776-EM-1-2009-1-IT-ERAMUNDUS-ECW-L12;国家教育部博士点专项基金20100061110031;吉林大学符号计算与知识工程教育部重点实验室开放项目93K-17-2011-K01,93K-17-2009-K05;吉林大学科学前沿与交叉学科创新项目201103134

在线出版日期：2012-05-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：97-104