68、HyGrid：高效的CPU - GPU混合网格算法

HyGrid：高效的CPU - GPU混合网格算法

1 相关工作回顾

在基于卷积的网格划分领域，先前的研究主要集中在三个方面：基于GPU的散射、预排序和聚集，以及优化策略。

1.1 基于GPU的散射

• Van Amesfoort方法 ：为每个输入点分配一个小的私有网格，从根本上避免了数据竞争。但它限制了输出网格的分辨率，不适用于最新的大型射电望远镜。
• Humphreys和Cornwell方法 ：基于内存复制，为澳大利亚平方公里阵列探路者（ASKAP）在GPU上实现了散射。
• Romein方法 ：设计了另一种基于GPU的散射，通过让线程在寄存器中尽可能长时间地累积加权和，减少设备内存访问。
• Merry方法 ：使用线程粗化改进了Romein的算法，显著降低了设备内存的寻址开销。不过，这两种方法严重依赖干涉仪数据的空间相干性，不适用于单碟望远镜。

1.2 预排序和聚集

• Edgar方法 ：为Murchison宽场阵列（MWA）在GPU上设计了聚集，使用Thrust对输入点进行预排序。但粗粒度的分箱策略导致大量不必要的内存寻址开销和卷积计算。
• Gai方法 ：通过紧凑分箱方法对磁共振成像数据进行预排序，实现了聚集。
• Winkel方法