深北莫研究：为工业软件国产化助力的算法

深圳北理莫斯科大学科研团队开发出一种基于图形处理器（GPU）并行的快速近场动力学算法。介绍了研究背景、团队成员、创新点、成果优势以及对工业软件核心技术国产化的意义等内容。

深圳商报·读创客户端的记者吴吉报道

国产AI DeepSeek的崛起，在科技圈引发了震动，“神秘的东方力量”备受瞩目。近期，《计算力学学报》上发表的一项最新研究成果，又让人们的目光聚焦于中国。有科研团队开发出一种基于图形处理器（GPU）并行的快速近场动力学算法，这种算法相当厉害，即便只是使用普通的家用GPU，也能够让性能得到大幅提升，这就为解决传统计算力学算法效率低下的问题开辟了新的路径。

这一文章的第一完成单位是深圳北理莫斯科大学，作者是该校的杨杨副教授以及南方科技大学的硕士研究生苏梓鑫。1月31日接受深圳商报采访的时候，杨杨副教授表示，这项成果最为创新的地方就在于不需要更换GPU，就能将计算效能“最大化”，这无疑为工业软件的核心技术国产化做出了重要贡献。

跨学科合作带来新的灵感

近场动力学是解决断裂问题的有效方法。不过，其非局部理论导致计算过程耗时较长。并行计算是加速数值计算的有效途径，分为基于中央处理器（CPU）的并行计算和GPU的并行计算，其中GPU并行计算更适合处理逻辑简单但计算量大的场景。

当前，基于GPU的近场动力学并行研究大多集中在把串行程序转换为并行程序。很多优化策略带来的加速效果主要依赖于GPU自身性能的提升，针对GPU硬件结构的优化比较少。而且，GPU并行计算还存在不少问题，例如处理大规模问题时力不从心、内存带宽浪费、部分算法只能处理均匀分布且未受损的离散结构等。针对这些情况，科研团队研究设计出一个性价比高且性能优异的近场动力学模拟框架。这个分析框架能够以高效的计算速率准确模拟键基和态基近场动力学问题。该算法采用粒子并行模式，建立了通用的邻域生成模块来优化存储，还提出了通用寄存器技术，用于高速访问寄存器内存，减少全局内存访问。这项技术不但消除了对邻域点数量的限制，还适用于材料点的非均匀分布，能极大地提升计算效率。杨杨说：“这项研究大概花费了我们两年时间，能够取得突破是因为我们是一个跨学科的团队。”她自己是研究力学算法的，团队招收的硕士研究生是研究计算机领域的，“他对计算机的架构非常清楚。跨学科的合作与碰撞，让我们有了全新的思路，也走出了不一样的道路。”

通用寄存器优化算法示意图

无需升级硬件就能“榨干”算力

“计算效率提升800倍”这样的描述相当吸引人，甚至有人说AI与之相比都要逊色。但杨杨很严谨地强调：“不要把它和AI作比较，两者的架构不同，不具备可比性。”

杨杨表示，经过科学测试，和现有的基于串行程序和OpenMP并行的近场动力学算法程序相比，该算法分别能够实现高达800倍和100倍的加速。在典型的百万级粒子模拟中，单精度下执行4000次迭代在5分钟内就能完成，双精度下20分钟内可完成，而且在低端GPU PC上就能实现。这就意味着，在处理复杂的材料设计和损伤模拟时，研究人员能更快得到结果，从而加速科学研究和工程应用的发展。杨杨说：“我们的优势在于能够充分利用英伟达显卡里的一些内部结构，通过读取GPU内部寄存器显卡，不需要更换更高级的显卡就能实现效率升级。”这个成果可以减少对高水平计算机硬件的硬性需求，使用普通的家用GPU就能把原本需要数天才能完成的计算任务缩短到几个小时甚至几分钟，不过“它和AI解决问题的方向不一样”。杨杨还表示，在现有设备单卡的英伟达显卡下，“算力提升800倍”已经是现有算法的上限，但这并不意味着这项研究就到此为止了。“我们的研究还有需要完善和迭代的地方，后续我们也会继续深入研究，争取让它服务于更多现实场景。”

为核心技术国产化安装“加速器”

在科技界有“得算力者得天下”的说法，这也是深北莫这项研究成果令人激动的原因。

杨杨表示，这项技术的广泛应用有助于推动多个领域的创新，特别是那些需要高性能计算支持的行业。通过利用消费级GPU的强大计算能力，研究人员能够更高效地解决复杂的物理问题，从而推动科技进步和产业升级。“目前，大部分企业应用的都是国外的商用软件。长远来看，我们希望新算法能够帮助更多中国企业研发自己的工业软件，从而支撑更多的开发场景。”杨杨表示，据她所知，很多科研人员和企业正在为工业软件的技术自主而努力，这个算法有望助力他们，为工业软件的核心技术国产化贡献力量。

深圳北理莫斯科大学科研团队开发的基于GPU并行的近场动力学算法，利用普通家用GPU大幅提升性能。这一成果源于跨学科团队合作，算法有诸多创新点。与现有算法相比有显著加速效果，虽算力提升有上限但研究还将继续完善。该成果对推动多领域创新、工业软件核心技术国产化意义重大。