翻译英文文献-Cosmological calculations on the GPU

从science上下载的一篇英文文献,自己翻译的

图形处理器的宇宙运算

D. Barda.*，M. Bellis b,c,1，M.T. Allenad, H. Yepremyane, J.M. kratochvilf

a卡福利粒子天体物理和宇宙学院，斯坦福 ，加利福尼亚，94309，美国

b物理天文系，锡耶纳学院，罗顿威尔，纽约，12211，美国 c物理系，北伊利诺伊州大学，迪卡尔布，伊利诺伊州，60115，美国

d物理系，斯坦福大学，斯坦福，加利福尼亚，94309，美国 e福特希尔学院，圣克拉拉，加利福尼亚，94022，美国

f物理系，迈阿密大学，弗洛里达，弗洛里达州，33143，美国

摘要

宇宙测量需要非同寻常的数据量，远远超过普通的数据集合。下一代观测望远镜将会产生数以亿计的星系的测量数据值。这些数据集合的规模以及所含计算的本征将会使得宇宙计算在图像处理器的实现达到理想的模式。

我们考虑两种宇宙的计算，分别是两点式角相关函数以及孔径质量统计，通过在图像处理单元上构建代码计算它们，达到提高计算速度的目的。

使用计算机统一设备架构，我们在GPU上实现了两种算法，并且将它的运行速度和在中央处理器上的运行速度进行比较。相比较于

从science上下载的一篇英文文献,自己翻译的

在CPU执行相同计算的运行时间，我们的代码运行速度快了10-100倍。

这些代码已经得到公开。GPUS对于宇宙运算而言，是一个有用的工具，甚至是目前调查的数据集合的大小，我们仍使得计算速度得到了两个数量级的提高。

关键词：

宇宙计算

孔径质量

角相关函数

图像处理器

计算机统一设备架构

科学计算

宇宙学

1. 引言

在科学计算领域，图像处理器的应用和其他不同的学科领域一样，比如生物信息学，质量检查处的晶格计算和地震学（见例，吴等人（2012），卡多索和比卡多（2011），冈本等人（2010）），得到了稳步的增长，

在天文学领域，GPUs在许多不同密集型计算难题都被证实有很好的应用价值，例如N-人体仿真（波多夫等人2012；纳塔多里和阿塞夫等人2012），射电天文观测（克拉克等人，2011）。GPU技术对

从science上下载的一篇英文文献,自己翻译的

于这些计算难题得到了100%成功的应用。在这项工作中，我们发现在宇宙数量的运算方面的时间同样能得到一个相似的减少。

下一代的大规模天文观测（比如黑暗能源观测2，盘星3，大型气象观测望远镜）对于数以亿计的星球和星系的测量，将会产生数量巨大的数据。

随之而来产生的难题，包括处理这些数值巨大的数据量以及如何构建和存取这些囊括了十几个兆字节信息的数据库，在这篇文章中都得到了详细的研究和讨论。（比如方法，2011：贝里曼和格鲁姆，2011：布拉纳等人2001）。

在这篇论文中，我们处理了作为一个天文学家将会遇到的挑战——一旦从中央数据库中得到信息，尝试着如何去分析它们。拥有这样一个大数据量，在很多宇宙数量的统计不确定性比起目前的有限的水平将会有几个数量级的减小。但是为了充分利用这些数据，新处理方法必须得到改进。现今的用来计算宇宙的数量的方法倾向于复杂度O(n2)（其中n是数据点的个数），显然这是不能满足于未来数以亿计的数据观测值的要求，即使计算机硬件水平有了很大提高。许多宇宙计算需要所有数据点同样数量的独立计算，这就使得天成为并行运算的理想计算方式（其中每项运算被分包给不同的处理设备）。在过去，这些是由处于一个计算集群环境的不同CPUs来处理的，但是建立这些群和在这些系统上争取时间对于研究者来说将会是很大代价。GPU处理方式给台式机的处理速度带来了很大提高，因此它也适用于个体分析。

从science上下载的一篇英文文献,自己翻译的

随着GPU计算在更广阔的天文领域得到了发展和更为广泛的应用，即使现有的计算水平有限，但是在不久的将来，我们将会看到它的实现。

在这篇论文中，我们使用计算机统一设备架构编程语言（尼科尔斯等人，2008），描述了在这些宇宙计算的两种图像处理器的实现方式，即两点式角相关函数以及孔径质量分析。

宇宙中大规模结构对于宇宙物质的组成和演化是一个极其有价值的探索。这些结构能够被用来娴熟宇宙的模型。星系对于宇宙中所有物质是很好的示踪剂。

尽管我们只能够直接探测发光物质，星系形成于黑暗物质的浓缩。我们因而能够描述出宇宙中物质的大规模结构，通过使用角相关函数测量得不同尺寸范围的星系的集聚。两点式角相关函数（傅立叶空间的物质的功率谱）是基于星系数量，并且测量作为一个独立单元后的成对星系的增益或者损耗，相对于一个随机分布而言。在小范围以内（近似等于100h-1的百万秒差距），我们能够测量出声波在重组时重子声学震荡的痕迹。

从大范围而言，物质的功率谱并没有被辐射或者重子所影响，所以它是原始波动和膨胀一个罕见的探测。见巴赛特和霍尔特克（2009）的关于这个学科的完整评论，皮布尔斯（1980）描述了宇宙中大规模结构和克尔等人（2005），爱因斯坦等人（2005）对于重子声学振荡的第一次测量。计算难以计数星系的一个角相关函数，并且分立范围从角秒到度，需要非同寻常的处理功率，而它是以星系数目的平凡

从science上下载的一篇英文文献,自己翻译的

进行缩放的。正因为如此，在GPU上进行实现是一个极其适合的选择。

更高一级的角相关函数（比如三点式角相关函数）同样能够用来探测银河系中的非高斯分布特性。这些计算比起两点式角相关函数处理起来甚至更加的昂贵，并且将潜在地从GPU的并行化处理获益巨大。

正当我们在准备这篇论文的时候，我们开始注意到庞斯等人（2012）使用计算机统一设备架构在GPU上使用一个新的方法和代码进行角相关函数的计算。

我们对这种算法的实施采取了不同的途径。我们同样也意识到里赫等人（2009）早期的工作，他们也采取了不同的实现方法，并且使用了并行的多片GPU进行百万条指令的实现方法。

暗物质仍不能够被直接测量，但是它具有的重力场效应通过微重力棱镜能够被间接的测量到。当光线在宇宙中传播时，它的路线由于它所经过物质的重力势能而发生弯曲。

当已被观测到的遥远星系的光线在经过宇宙中物质时发生的这种曲折表露了宇宙中大规模结构和物质的增长的信息。然而，即使星系拥有本身的形状，但是仅仅是通过大量星系的统计分析，我们才能够平均出它的本身形状以及方向，并且从中抽取宇宙的信息。

很多方法都可以解释这种信息（见巴特尔曼和施内德（2001）的综述），但是我们这篇论文的目的是集中在剪力峰值统计的技术上的。

从science上下载的一篇英文文献,自己翻译的

隐蔽位置的星系的长轴趋向于与显著位置的质量密集型的轮廓相切，因此沿着视线的物质聚集在它们的整体形状中能够从连贯的扭曲中被检测出来。异常密度将会在孔径质量示意图显示成峰值。要先数出峰值的数目，这样使得我们能够区分不同的宇宙（玛丽安等人2009；卡托吉利等人2010；戴奇和哈特卡普2010）。

通过求解周围星系的椭圆切线分量的加权和，我们可以计算出在某一点上的孔径质量。这个总和典型地包括了成百上千的星系并且为了准确重建这个投影重力场必须在一个稠密网格的上空显示。

每个点的总和是独立的，并且能够并行执行，使得它成为在GPU上运行方式另一个极好的选择。李奥纳多 …… 此处隐藏：7925字，全部文档内容请下载后查看。喜欢就下载吧 ……