在GPU加速的集群上应用一个消息驱动的并行程序

GPU因其高性能和硬件灵活性，以及各种通用上的用于科学计算的GPU软件开发工具的产生，已经被成为加速科学运算速度的有效手段。然而在集群中高效地使用GPU却带来很多软件开发和系统集成方面的拐点。我们给出了一种分解和调度CPU计算和GPU内核执行的策略。我们的报告指出这种技术应用在NAMD（一种广泛使用的并行分子动态模拟程序包），在一个由64个64核GPU组成的集群上所体现出来的优势。