28、小角度X射线散射轮廓的并行GPGPU评估与步态分析研究

小角度X射线散射轮廓的并行GPGPU评估与步态分析研究

在生物和医学研究领域，小角度X射线散射（SAXS）轮廓计算以及步态分析都是非常重要的研究方向。本文将为大家介绍利用图形处理单元（GPU）进行SAXS轮廓计算的高效实现，以及使用惯性传感器进行步态对称性和步态正常性评估的相关研究。

小角度X射线散射轮廓的并行GPGPU评估

在蛋白质结构研究中，精确计算小角度X射线散射轮廓是一项关键任务。传统的CPU计算方式在处理大规模问题时效率较低，而利用GPU进行并行计算则为解决这一问题提供了新的途径。

在算法性能方面，研究人员对从64到8192个散射体的问题规模进行了测试，包括1888个散射体的模型测试案例。所有SAXS计算都涉及对51个散射动量的求和。结果表明，硬件在大约2000个散射体时达到饱和，这是测试中所使用GPU模型的理论最大值。

在蒙特卡罗性能测试中，研究人员在PHAISTOS软件中测量了GPGPU SAXS曲线计算对1888体测试蛋白质的整体马尔可夫链蒙特卡罗（MCMC）模拟的影响。他们收集了100万个MCMC步骤的性能数据，其中前100,000步作为预热步骤被丢弃，剩下的900,000步用于分析。测试中使用了性能最佳的CPU SAXS算法，该算法通过缓存德拜公式的项并使用正弦函数查找表，实现了五倍的速度提升，但牺牲了一定的数值精度。

MCMC模拟在使用GPGPU Page - Tile算法时，使用了1到8个CPU线程，并与多线程CPU版本进行了执行时间的比较。结果显示，GPU加速的MCMC模拟性能始终优于最佳的多线程CPU版本。速度提升与CPU线程数量成正比，这主要归因于两个因素：一是每个线程对GPU的加载不完全；二是在SAXS能量项