摘要：本文结合大规模撕裂有限元方法和Newmark积分法,对结构动力学问题进行高精细的大规模并行求解.面向异构平台,设计了结点间和结点内的多级动静结合的负载均衡策略.在结点间,根据撕裂有限元方法划分子域边界特点,采用域边界平衡的图二分算法,均衡各个子域的计算量;在结点内,根据异构平台计算单元的性能差异,进行了计算负载的动态优化.针对核心计算模块批量矩阵向量乘进行多流并行优化,提升面向异构计算平台的利用率.本文优化已经集成到结构力学高性能数值模拟软件HARSA-feti中,实验采用真实反应堆核燃料组件的流致振动仿真作为算例,结果表明模拟性能提高了71.3%以上,首次实现了百亿网格规模的全堆芯燃料棒组件的高精细模拟,相较于1000块GPU,16000块GPU的强、弱可扩展并行效率分别达到74.1%和81.1%.

摘要：为提高循环神经网络(RNN)推理速度,分析了循环神经网络(RNN)在CPU的运行时间瓶颈、输入向量稀疏性和参数规模.设计RNN加速器核实现矩阵-稀疏向量乘并行计算,并同时将多个输入向量完整存储于片上SRAM,以复用部分权重从而降低DDR带宽需求.通过Verilog HDL对RNN加速器核进行RTL描述,并搭建仿真环境,将语音识别算法DeepSpeech2的网络参数输入RNN加速器核进行功能仿真.基于FPGA,将MicroBlaze处理器与RNN加速器核搭建SoC,由MicroBlaze实现激活函数、向量逐元素相乘等其它计算.实现了DeepSpeech2中RNN部分推理计算,与只使用MicroBlaze处理器相比,速度提高23倍,能量消耗降低9.4倍.