用GPU加速信号形状与探测器分辨率 随能量变化的卷积计算
TL817+.1; 在形如中微子能谱分析中,因其本征能谱跨度较大,在积分描述所探测到的能谱时,探测器分辨率本身随能量的连续变化应该被考虑.对于该类能谱的拟合分析,传统的单靠中央处理器(Central Processing Unit,CPU)无法保障时间要求.本文利用图形处理器(Graphics Processing Unit,GPU)配合使用统一计算架构(Compute Unified Device Architecture,CUDA)和RooFit计算框架来加速数值积分过程,测试显示:当计算节点数目较多,如106个节点时,利用文中的方法GPU(型号:K80)相较于CPU(型号:E5-2603...
Gespeichert in:
| Veröffentlicht in: | 核技术 2018-08, Vol.41 (8), p.48-53 |
|---|---|
| Hauptverfasser: | , |
| Format: | Artikel |
| Sprache: | chi |
| Online-Zugang: | Volltext |
| Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
| Zusammenfassung: | TL817+.1; 在形如中微子能谱分析中,因其本征能谱跨度较大,在积分描述所探测到的能谱时,探测器分辨率本身随能量的连续变化应该被考虑.对于该类能谱的拟合分析,传统的单靠中央处理器(Central Processing Unit,CPU)无法保障时间要求.本文利用图形处理器(Graphics Processing Unit,GPU)配合使用统一计算架构(Compute Unified Device Architecture,CUDA)和RooFit计算框架来加速数值积分过程,测试显示:当计算节点数目较多,如106个节点时,利用文中的方法GPU(型号:K80)相较于CPU(型号:E5-2603 v3)能够带来218倍的速度提升.所述方法可作为类似实验的参考. |
|---|---|
| ISSN: | 0253-3219 |
| DOI: | 10.11889/j.0253-3219.2018.hjs.41.080404 |