Resumen

Este artículo diseña una Factorización Anidada (NF) altamente paralela para resolver grandes ecuaciones lineales generadas en problemas de simulación numérica de yacimientos. El método NF es un método tradicional de preprocesamiento de solución lineal para problemas de simulación numérica de yacimientos, y ha recuperado atención en los últimos años debido a su potencial para extenderse a arquitecturas paralelas como las GPU (Unidades de Procesador de Gráficos). El algoritmo paralelo de este documento se basa en el marco de MPNF (Factorización Anidada Masivamente Paralela) propuesto por Appleya (Appleyard, Appleyard, Wakefield, & Desitter, 2011). El algoritmo MPNF diseñado en este documento se enfoca en su implementación eficiente en la arquitectura paralela de GPU. Sus características incluyen: usar una estructura de matriz personalizada para lograr un acceso combinado, mejorar los accesos de cuellos de botella y mejorar la eficiencia del algoritmo SpMV. También es aplicable al método de preprocesamiento en dos etapas CPR (solución de presión residual de restricción) presión solución y etapa de preprocesamiento global; el método MPNF se extiende a la solución del problema de cuadrícula no estructurada de 2.5 dimensiones. El algoritmo paralelo en este documento se ha integrado en el simulador numérico de yacimiento. Para el ejemplo estándar de SPE10 (millones de cuadrículas, altamente heterogéneo), el algoritmo NF paralelo basado en GPU está en el modelo de cuadrícula estructurada y el equivalente de 2.5-no dimensional- en el modelo de cuadrícula estructurada, en comparación con la versión en serie del método NF, los índices de aceleración de 19.8 y 17.0 veces se obtuvieron respectivamente; en comparación con el método de solución serial convencional, la eficiencia también se mejoró de 2 a 3 veces.

ARQUITECTURA PARALELA DE GPU

La arquitectura paralela multinúcleo de la GPU ha recibido cada vez más atención en el campo de la computación de alto rendimiento en los últimos años. La GPU se utilizaba originalmente para tareas de aceleración del procesamiento de gráficos. Con el desarrollo de plataformas de software y hardware de propósito general (General-Purpose Computing on GPU, relacionado con la GPGPU), las GPU se aplican gradualmente a la aceleración paralela en el campo de la computación científica. Una de ellas es NVIDIA. Lanzó la plataforma Compute Unified Device Architecture (CUDA) (Appleyard, Appleyard, Wakefield, & Desitter, 2011; NVIDIA, 2009). El algoritmo de este trabajo se basa en la implementación de CUDA.

• Materias:Análisis numérico Ecuaciones Métodos de simulación Polinomios Yacimientos minerales
• Subjects:Numerical analysis Equations Simulation methods Polynomials Mineral deposits
• Palabras claves:Nested decomposition; GPU parallel; Linear solution; CPR
• Keywords:Descomposición anidada; GPU paralela; solución lineal; CPR.