基于GPU的两相介质随机模型并行生成方法、电子设备技术
【技术实现步骤摘要】
基于GPU的两相介质随机模型并行生成方法、电子设备
本专利技术涉及计算机辅助计算
，特别是指一种基于GPU的两相介质随机模型并行生成方法、电子设备。
技术介绍
两相介质，例如某种悬浮液、多孔介质或者复合材料，都是由两种不同类型的离散颗粒组成。在材料学中，我们将一种类型称为一种相。两相介质材料是由一种相的颗粒随机地渗透在另一相中混合得到，通常我们将渗透颗粒的相称为第二相，将渗透目标称为基体相。实际应用中，基体相通常是一种流体、固体或者是一种间隙。这种两相介质材料的性能，如导电性、弹性模量或流体渗透性等均取决于两相之间的分布情况，通常也表征为其微结构。以两相介质的导电性的研究为例，它有着广泛的应用领域，如导电高分子新型复合材料就是在高分子聚合物基体中加入另外一种导电填料经物理或化学方法复合而成，便于其在具有类似于金属的良好导电性能的同时，兼具有优异的力学性能，在航空航天、能源、电子、生物医学等高科技领域乃至日常生活领域中都有着巨大的前景。随着计算机技术的快速发展，目前已经可以采用计算机仿真技术完成两相介质材料模型的模拟生成，并结合优化算法根据材料的目标性能对两相...
【技术保护点】
一种基于GPU的两相介质随机模型并行生成方法，其特征在于，包括：使CPU读取两相介质对应的初始分布信息，并将所述初始分布信息复制到GPU；使CPU定义目标两点概率函数、目标线性路径函数；使GPU生成初始随机模型；使CPU根据所述初始随机模型，绘制所述初始随机模型对应的当前两相的颗粒分布图，并生成当前两点概率函数和当前线性路径函数；计算所述当前两点概率函数与所述目标两点概率函数的函数值之差获得第一误差；计算所述当前线性路径函数与所述目标线性路径函数的函数值之差获得第二误差；使CPU判断组合误差是否小于目标值；其中，所述组合误差为所述第一误差与所述第二误差之和；若所述组合误差小...
【技术特征摘要】
1.一种基于GPU的两相介质随机模型并行生成方法，其特征在于，包括：使CPU读取两相介质对应的初始分布信息，并将所述初始分布信息复制到GPU；使CPU定义目标两点概率函数、目标线性路径函数；使GPU生成初始随机模型；使CPU根据所述初始随机模型，绘制所述初始随机模型对应的当前两相的颗粒分布图，并生成当前两点概率函数和当前线性路径函数；计算所述当前两点概率函数与所述目标两点概率函数的函数值之差获得第一误差；计算所述当前线性路径函数与所述目标线性路径函数的函数值之差获得第二误差；使CPU判断组合误差是否小于目标值；其中，所述组合误差为所述第一误差与所述第二误差之和；若所述组合误差小于所述目标值，则使CPU将当前的所述初始随机模型绘制并保存为最终的两相介质模型；若所述组合误差不小于所述目标值，则多次执行迭代步骤，直至所述组合误差小于所述目标值，使CPU将当前的所述初始随机模型绘制并保存为最终的两相介质模型；其中，所述迭代步骤包括：使GPU生成随机数将所述初始随机模型中的第二相与基体相之间的颗粒位置交换，并执行获得所述第一误差、获得所述第二误差、所述判断组合误差是否小于目标值的步骤。2.根据权利要求1所述的基于GPU的两相介质随机模型并行生成方法，其特征在于，还包括：检测计算设备是否支持GPU并行计算；若是，则进行所述计算设备的初始化，否则退出。3.根据权利要求1所述的基于GPU的两相介质随机模型并行生成方法，其特征在于，所述使CPU读取两相介质对应的初始分布信息，并将所述初始分布信息复制到GPU，包括：将所述初始分布信息首先存储至计算设备的内存，再将所述初始分布信息复制到GPU全局存储器。4.根据权利要求1所述的基于GPU的两相介质随机模型并行生成方法，其特征在于，所述使CPU读取两相介质对应的初始分布信息，并将所述初始分布信息复制到GPU，包括：使CPU读取两相介质对应的初始分布信息；根据所述初始分布信息中的两相颗粒的总数，在GPU开辟计算所需要的GPU全局内存，将所述初始...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。