[发明专利]线性求解器的加速方法、存储数据库及GPU系统

说明书

本发明实施例提供了一种线性求解器的加速方法、存储数据库及图形处理器系统，其中所述存储数据库包括：第一存储单元，用于存储任务块的网格单元标识；第二存储单元，用于存储内部面的标识以及与所述内部面标识相对应的内部面数据，所述内部面是连接两个网格单元的平面，映射为同一个网格单元标识的内部面标识所对应的内部面数据存储在所述第二存储单元的相邻存储区域；索引单元，用于构建并存储所述网格单元标识的索引范围，所述索引范围包含所述网格单元标识与所述内部面标识的映射关系。本发明实施例所提供的线性求解器的加速方法、存储数据库及图形处理系统，能实现对线性求解器进行加速运算，提高计算效率。

技术领域

本发明涉及线性计算领域，尤其涉及一种线性求解器的加速方法、存储数据库及图形处理器(Graphics Processing Unit，GPU)系统。

背景技术

在工业仿真领域，一个常见的问题就是对稀疏线性方程组的求解，例如对方程Ax＝b进行求解，其中：A表示离散矩阵，x表示待求解的向量，b表示离散方程组的源项。

在实际计算的时候，可以将离散矩阵A的对角、上三角和下三角元素分别存储在三个向量中，其中上三角元素与下三角元素共用两个索引向量，用于获取元素在矩阵中的位置。这种存储方式被广泛地应用于工业仿真领域，并且这种存储方式还可以与预处理共轭梯度法(Preconditioned Conjugate Gradient，PCG)、预处理双共轭梯度法(Preconditioned Bi-Conjugate Gradient，PBiCG)、几何代数多重网格法(Geometric-algebraic Aulti-grid Solvers，GAMG)等线性求解算法结合，实现相应的线性求解器。

在现有技术中，线性求解的过程中会有大量的线性代数运算，如内积、矩阵向量乘法等，运算量比较大，因此如果将线性求解的全部工作交给CPU去完成，受CPU自身架构的限制，其运算效率会很低，无法满足目前工业仿真的要求。

发明内容

本发明提供了一种线性求解器的加速方法、存储数据库及图形处理器系统，克服了现有技术中线性求解器运算效率低的问题。

本发明实施例提供了一种存储数据库，GPU将待计算的任务块划分为网格单元，所述存储数据库包括：

第一存储单元，用于存储网格单元标识；

第二存储单元，用于存储内部面的标识以及与所述内部面标识相对应的内部面数据，所述内部面是连接两个网格单元的平面，映射为同一个网格单元标识的内部面标识所对应的内部面数据存储在所述第二存储单元内的相邻存储区域；

索引单元，用于构建并存储所述网格单元标识的索引范围，所述索引范围包含所述网格单元标识与所述内部面标识的映射关系；

所述GPU根据所述第一存储单元中所存储的网格单元标识查找该网格单元标识所对应的索引范围；根据所述索引范围确定该网格单元标识所对应的内部面标识，将所述第二存储单元中相邻存储区域存储的所述内部面标识所对应的内部面数据全部读取出来。

优选地，所述网格单元标识用整数表示，所述内部面标识也使用整数表示；两个网格单元通过内部面相连接时，标识小的网格单元是内部面的所有者网格单元，标识大的网格单元是内部面的邻居网格单元。

优选地，所述索引单元，还用于统计内部面标识所对应的网格单元标识，构建网格单元标识与所述内部面标识的对应关系。

优选地，所述索引单元构建的网格单元标识与所述内部面标识的对应关系中还包括所述网格单元标识的索引范围，所述索引范围表示每个网格单元标识所对应的内部面标识个数。

本发明实施例还提供了一种线性求解器的加速方法，使用前述任一所述的存储数据库，所述方法包括：

GPU将待计算的任务块划分为网格单元，确定所述网格单元的网格单元标识；