📄Работа №91522
Тема: РЕШЕНИЕ СИСТЕМЫ УРАВНЕНИЙ МАКСВЕЛЛА МЕТОДОМ FDTD С ИСПОЛЬЗОВАНИЕМ OPENCL
Характеристики работы
Тип работы
Бакалаврская работа
Предмет
Электротехника
Объем:
55 листов
Год:
2018
Просмотров:
212
4325
руб.
🛒 Купить работу
Не подходит эта работа?
Закажите новую по вашим требованиям
Узнать цену на написание
Закажите новую по вашим требованиям
Представленный материал является образцом учебного исследования, примером структуры и содержания учебного исследования по заявленной теме. Размещён исключительно в информационных и ознакомительных целях.
Workspay.ru оказывает информационные услуги по сбору, обработке и структурированию материалов в соответствии с требованиями заказчика.
Размещение материала не означает публикацию произведения впервые и не предполагает передачу исключительных авторских прав третьим лицам.
Материал не предназначен для дословной сдачи в образовательные организации и требует самостоятельной переработки с соблюдением законодательства Российской Федерации об авторском праве и принципов академической добросовестности.
Авторские права на исходные материалы принадлежат их законным правообладателям. В случае возникновения вопросов, связанных с размещённым материалом, просим направить обращение через форму обратной связи.
Настоящий учебно-методический информационный материал размещён в ознакомительных и исследовательских целях и представляет собой пример учебного исследования. Не является готовым научным трудом и требует самостоятельной переработки.
📋 Содержание
СОДЕРЖАНИЕ 3
ВЕДЕНИЕ 5
ГЛАВА 1. СИСТЕМЫ УСКОРЕНИЯ РАСЧЕТОВ И ПРОГРАММНОЕ ОБЕСПЕЧЕНИЕ 7
1.1 Применение численных методов при решении системы уравнений
Максвелла 7
1.2 Технологии GPGPU - программирования 10
1.3 NVIDIA CUDA 12
1.4 OpenCL 14
ГЛАВА 2. МЕТОД FDTD 17
2.1 Введение в алгоритм FDTD 17
2.2 Реализация базового алгоритма FDTD 22
2.3 Граничные условия 25
2.4 Простые граничные условия (ABC) 26
2.5 Граничные условия PML 29
ГЛАВА 3. РЕАЛИЗАЦИЯ МЕТОДА FDTD НА OPENCL 32
3.1 Написание Host - программы 32
3.2 Kernel - программа 40
3.3 Тестирование программы 43
Заключение 46
СПИСОК ЛИТЕРАТУРЫ 47
Приложение 1 49
Приложение 2 53
Приложение 3
ВЕДЕНИЕ 5
ГЛАВА 1. СИСТЕМЫ УСКОРЕНИЯ РАСЧЕТОВ И ПРОГРАММНОЕ ОБЕСПЕЧЕНИЕ 7
1.1 Применение численных методов при решении системы уравнений
Максвелла 7
1.2 Технологии GPGPU - программирования 10
1.3 NVIDIA CUDA 12
1.4 OpenCL 14
ГЛАВА 2. МЕТОД FDTD 17
2.1 Введение в алгоритм FDTD 17
2.2 Реализация базового алгоритма FDTD 22
2.3 Граничные условия 25
2.4 Простые граничные условия (ABC) 26
2.5 Граничные условия PML 29
ГЛАВА 3. РЕАЛИЗАЦИЯ МЕТОДА FDTD НА OPENCL 32
3.1 Написание Host - программы 32
3.2 Kernel - программа 40
3.3 Тестирование программы 43
Заключение 46
СПИСОК ЛИТЕРАТУРЫ 47
Приложение 1 49
Приложение 2 53
Приложение 3
📖 Введение
В настоящее время существует большое количество задач, связанных с обработкой больших объемов информации. Они относятся к различным областям деятельности: экономические расчеты, моделирование физических законов, мультимедиа рендеринг и так далее. Для их выполнения требуется большое количество времени и вычислительных ресурсов. Одним из основных способов сократить время при решении подобных задач является метод параллелизма, когда одна большая задача разбивается на несколько подзадач, выполняющихся параллельно и независимо. Раньше такие ресурсы могли предоставить только большие кластеры в вычислительных центрах, однако, с развитием технологий, вычислительные ресурсы становились более доступными, появлялись новые способы создания высокопроизводительных вычислительных систем (НРС).
Увеличение тактовой частоты и степени интеграции аппаратных средств позволило создавать небольшие дешевые настольные системы. В настоящее время на персональном компьютере средней ценовой категории легко можно запустить и комфортно работать с серьезным пакетом программ для профессионального научного моделирования. В качестве вычислительного устройства для обработки данных может использоваться видеокарта. Графический процессор (GPU), в отличие от центрального процессора (CPU), изначально проектировался для обработки данных параллельно, так как его основная задача быстро визуализировать изображение на экране компьютера. Для этого GPU использует большое число потоковых процессоров, количество которых у производимых в настоящее время графических процессоров достигает нескольких сотен. Таким образом, GPU выгодно использовать для решения хорошо распараллеливаемых задач, однако он плохо справляется с потоками последовательных команд. CPU, наоборот, создан для выполнения команд по порядку. Процесс написания программ для GPU также отличается от программирования CPU ввиду архитектурных особенностей и организации работы с памятью. С появлением возможности полноценно программировать графический процессор стали появляться методы для выполнения на GPU неграфических вычислений. Эти методы нашли широкое применение в сфере физического моделирования, в частности в моделировании распространения электромагнитных волн. Это позволит выполнить обработку сигналов для обеспечения устойчивого соединения всех систем телекоммуникации таких, как Wi - Fi, Bluetooth, мобильный интернет, также актуальным будет разработка новых стандартов связи и оценка их применимости и безопасности в реальных условиях без создания прототипов.
Увеличение тактовой частоты и степени интеграции аппаратных средств позволило создавать небольшие дешевые настольные системы. В настоящее время на персональном компьютере средней ценовой категории легко можно запустить и комфортно работать с серьезным пакетом программ для профессионального научного моделирования. В качестве вычислительного устройства для обработки данных может использоваться видеокарта. Графический процессор (GPU), в отличие от центрального процессора (CPU), изначально проектировался для обработки данных параллельно, так как его основная задача быстро визуализировать изображение на экране компьютера. Для этого GPU использует большое число потоковых процессоров, количество которых у производимых в настоящее время графических процессоров достигает нескольких сотен. Таким образом, GPU выгодно использовать для решения хорошо распараллеливаемых задач, однако он плохо справляется с потоками последовательных команд. CPU, наоборот, создан для выполнения команд по порядку. Процесс написания программ для GPU также отличается от программирования CPU ввиду архитектурных особенностей и организации работы с памятью. С появлением возможности полноценно программировать графический процессор стали появляться методы для выполнения на GPU неграфических вычислений. Эти методы нашли широкое применение в сфере физического моделирования, в частности в моделировании распространения электромагнитных волн. Это позволит выполнить обработку сигналов для обеспечения устойчивого соединения всех систем телекоммуникации таких, как Wi - Fi, Bluetooth, мобильный интернет, также актуальным будет разработка новых стандартов связи и оценка их применимости и безопасности в реальных условиях без создания прототипов.
✅ Заключение
В ходе выполнения работы были выполнены следующие задачи:
• изучен базовый алгоритм FDTD и граничные условия;
• изучена спецификацию OpenCL;
• освоены принципы работы планировщика OpenCL;
• написать Host - программу;
• написать Kernel.
Это позволило написать программу, используя технологию GPGPU - программирования. Данная технология позволила сократить время расчета алгоритма FDTD. Программа, написанная на OpenCL, практически в 60 раз быстрее чем аналогичная программа для процессора [Приложение З]. Время, затраченное видеокартой на выполнение алгоритма, составило 40 секунд. В то время как на центральном процессоре - 56 минут.
• изучен базовый алгоритм FDTD и граничные условия;
• изучена спецификацию OpenCL;
• освоены принципы работы планировщика OpenCL;
• написать Host - программу;
• написать Kernel.
Это позволило написать программу, используя технологию GPGPU - программирования. Данная технология позволила сократить время расчета алгоритма FDTD. Программа, написанная на OpenCL, практически в 60 раз быстрее чем аналогичная программа для процессора [Приложение З]. Время, затраченное видеокартой на выполнение алгоритма, составило 40 секунд. В то время как на центральном процессоре - 56 минут.
ИЛИ
Поиск аналога
📕 Список литературы
🛒 Оформить заказ
⚡ Работу высылаем в течении 5 минут после оплаты.