[发明专利]基于多GPU的重力梯度数据灵敏度矩阵压缩及调用方法

说明书

本发明提供一种基于多GPU的重力梯度数据灵敏度矩阵压缩及调用方法，涉及地球物理正反演技术领域；首先建立重力梯度数据各分量的灵敏度矩阵的等价计算公式，然后计算各GPU中分得灵敏度矩阵元素的范围和数量等参数，利用GPU并行计算压缩后的灵敏度矩阵，最后获取待参加计算的灵敏度矩阵元素索引，换算其在压缩矩阵中的索引并读取数值，从而实现大规模重力梯度数据不同梯度分量或全张量梯度数据的快速正反演；经验证，本发明能够有效提高重力梯度数据正反演的计算规模和大规模重力梯度数据联合反演的计算效率；还适用于重、磁异常等其他类型的位场数据正反演领域，也适用于单GPU的情况。

技术领域

本发明涉及地球物理正反演技术领域，具体涉及一种基于多GPU的重力梯度数据灵敏度矩阵压缩及调用方法。

背景技术

重力梯度数据是一种高精度的地球物理数据，具有更高的信噪比。和应用重力异常相比，全张量梯度数据包含更多的地质信息，利用多分量梯度数据实现联合反演可获得更高分辨率的地下空间三维密度分布。位场数据正反演都需要灵敏度矩阵计算，然而少量的观测数据和地下划分网格层数也能产生大尺寸的灵敏度矩阵，严重降低了正反演计算效率，同时占用了大量的内存，致使普通计算设备无法完成正反演。

并行计算作为当今科技创新的重要手段已应用于不同的科研领域中。随着近20年的技术发展，目前基于集群机的MPI(Message Passing Interface)、基于CPU(CentralProcessing Unit)多线程的OpenMP(Open Multi-Processing)和基于GPU(GraphicsProcessing Unit)的CUDA(Computed Unified Device Architecture)等并行方法已较为广泛地应用于以文献[1-5]为代表的非震地球物理数据正反演研究中(其中，文献[1]为：陈召曦,孟小红,郭良辉等.基于GPU并行的重力,重力梯度三维正演快速计算及反演策略.地球物理学报,2012,55(12):4069-4077.；文献[2]为：胡祥云,李焱,杨文采等.大地电磁三维数据空间反演并行算法研究.地球物理学报,2012,55(12):3969-3978.；文献[3]为：M,Zhdanov M S.Massively parallel regularized 3D inversion of potential fieldson CPUs and GPUs.ComputersGeosciences,2014,62:80-87.；文献[4]为：Zhang Z Y,TanH D,Wang K P,et al.Two-dimensional inversion of spectral induced polarizationdata using MPI parallel algorithm in data space.Applied Geophysics,2016,13(1):13-24.；文献[5]为：Hou Z,Huang D,Wang E,et al.3D density inversion ofgravity gradiometry data with a multilevel hybrid parallel algorithm.AppliedGeophysics,2019,16(2):141-152.)。现有的研究表明，并行计算能够有效地提高运算速度。其中，使用GPU的方法能够减少或避免在CPU集群节点间出现的大量通信开销等问题，对属于数据并行模型的算法(例如：位场数据正反演等)具有更好的加速效果。但受带宽等硬件属性限制，目前利用单GPU的方法在处理复杂迭代反演时会遇到通信开销增大、计算效率降低等情况；而采用多GPU则可以减少每个GPU的数据吞吐量、提高算法并行度。因此，通过多GPU开展大规模数据正反演的运算加速研究是十分必要的。