Использование высокопроизводительных вычислительных платформ в задачах томографической цифровой трассерной визуализации
Ключевые слова:
томография, цифровая трассерная визуализация, Tomo PIV, графические ускорители, вычислительный кластер, OpenCL, MPI, высокопроизводительные вычисленияАннотация
Томографический метод цифровой трассерной визуализации (Tomo PIV; Tomographic Particle Image Velocimetry) — это новый метод изучения газовых и жидкостных потоков, позволяющий измерять трехмерные распределения скорости и, на их основе, рассчитывать другие характеристики потока в заданном объеме. Одной из основных сложностей в использовании этого метода измерений является высокая ресурсоемкость используемых алгоритмов обработки данных. В настоящей статье рассматриваются способы увеличения производительности метода за счет использования различных высокопроизводительных вычислительных платформ, таких как многопроцессорные серверы, вычислительные кластеры и графические процессорные устройства (ГПУ). Описаны проблемы, возникшие при переносе алгоритма томографической реконструкции и корреляционного алгоритма расчета полей скорости на платформы с множеством вычислительных ядер, а также способы решения этих проблем. Рассматриваются особенности переноса алгоритма томографической реконструкции на графический ускоритель с применением технологии OpenCL. Приводится оценка времени обработки одного эксперимента с использованием различных вычислительных платформ, а также целесообразности использования той или иной платформы в терминах условной стоимости обработки одного эксперимента. Работа выполнена при поддержке Министерства образования и науки РФ в рамках реализации Федеральной целевой программы «Научные и научно-педагогические кадры инновационной России» на 2009-2013 гг.
Библиографические ссылки
- Elsinga G.E., Scarano F., Wieneke B., van Oudheusden B.W. Tomographic particle image velocimetry // Experiments in Fluids. 2006. 41. 933-947.
- Stanislas M., Okamoto K., Kahler C.J., Westerweel J. Main results of the third international PIV challenge // Experiments in Fluids. 2008. 45. 27-71.
- Adrian R.J. Twenty years of particle image velocimetry // Experiments in Fluids. 2005. 39. 159-169.
- Бильский А.В., Ложкин В.А., Маркович Д.М., Токарев М.П., Шестаков М.В. Оптимизация и тестирование томографического метода измерения скорости в объеме потока // Теплофизика и аэромеханика. 2011. 18, № 4. 1-12.
- Atkinson C., Soria J. An efficient simultaneous reconstruction technique for tomographic particle image velocimetry // Experiments in Fluids. 2009. 47. 553-568.
- Бильский А.В., Маркович Д.М., Токарев М.П. Адаптивные алгоритмы обработки изображений частиц для расчета мгновенных полей скорости // Вычислительные технологии. 2007. 12, № 3. 109-131.
- Информационно-вычислительный центр НГУ. Описание комплекса (http://nusc.ru).
- Jang B., Kaeli D., Do S., Pien H. Multi GPU implementation of iterative tomographic reconstruction algorithms // Proc. IEEE Int. Symposium on Biomedical Imaging. Boston, 2009. 185-188.
- Xu F., Mueller K. Towards a unified framework for rapid 3D computed tomography on commodity GPUs // Nuclear Science Symposium Conference Record. 2003. 4. 2757-2759.
- Maar S., Batenburg K., Sijbers J. Experiences with Cell-BE and GPU for tomography // Proc. of the 9th Int. Workshop on Embedded Computer Systems: Architectures, Modeling, and Simulation. Berlin: Springer, 2009. 298-307.
- NVIDIA Corporation. CUDA C Programming Guide Version 4, 2011 (http://nvidia.com).
- Khronos OpenCL Working Group. The OpenCL Specification Version 1.1, 2011 (http://www.khronos.org/opencl/).
