scientific-computing - OpenCL可以为您带来什么样的工作

Question

首先:

我很清楚OpenCL不能神奇地使一切变得更快

我很清楚OpenCL有限制

所以现在我的问题是，我习惯于使用编程来进行不同的科学计算。关于计算的复杂性和数量，我从事的一些工作非常紧张。所以我想知道，也许我可以使用OpenCL加快处理速度。

因此，我很想听听大家的回答，其中包括以下一些问题[链接奖励]:

*什么样的计算/算法/一般问题适用于OpenCL

*确定某些特定代码是否会因迁移到OpenCL而受益的一般指导方针是什么？

问候

Answer 1

我认为这是一个很好的问题，也是我也要为自己的研究制定的一个问题。

目前，在GPU的功能方面存在严格的限制，因为它们需要各个线程在不同的数据集上执行完全相同的代码，即问题/算法必须是“数据并行”的。显然，数据并行问题包括蒙特卡洛模拟(其中许多MC模拟是并行执行的)，图像处理以及不太明显的分子动力学模拟。数值积分(蒙特卡洛或其他方法)是另一项科学应用，可以轻松移植到GPU上运行。

另一个主要限制是每个线程的内存非常有限，因此要在GPU上有效执行，该算法必须具有较高的算术强度。要使算法成为在GPU上运行的候选方法的必要但不充分的条件是，在CPU上，算法必须严格地受CPU约束，而不是受内存约束。

我的观点是，随着时间的流逝，越来越多的问题将shoe之以鼻，以便可以使用这种范式解决这些问题，只是因为要获得如此大的性能提升，而悬而未决的问题显然是数据并行问题。我认为，在 future 十年中，大规模多核编程将在科学界变得越来越重要和普遍。

我对此进行了一些尝试，并设法将回溯问题转换为适当的格式，以便在GPU上执行(使用CUDA)。仅供引用，我在一次演讲中对此进行了描述:http://lattice.complex.unimelb.edu.au/home/sites/default/files/mydocuments/clisby_cuda0509.pdf