36、流处理器上3 - D雅可比迭代的评估与优化

流处理器上3 - D雅可比迭代的评估与优化

在科学计算领域，随着对计算性能要求的不断提高，传统通用架构处理器在面对一些科学计算应用时显得力不从心。流处理器凭借其独特的流编程模型，在信号处理、多媒体和图形应用等领域展现出显著的性能优势，并且逐渐涉足科学计算应用。本文将聚焦于流处理器上3 - D雅可比迭代的评估与优化。

1. 背景介绍

科学计算在研究和工业中扮演着重要角色，但目前通用架构处理器无法满足科学计算应用对大带宽、高处理能力、低功耗和低成本的需求。流处理器在媒体应用中已显示出显著的性能优势，因此许多研究人员对其在科学计算应用中的适用性产生了兴趣。

流处理器架构旨在实现流编程模型，与传统系统架构有很大不同。虽然像StreamC/KernelC、Brook和Sequoia等语言实现能够很好地利用该模型的特性，但它们处于较低的层次，系统资源的管理主要由程序员负责。而且，与其他流应用（如媒体应用）相比，科学计算应用的数据跟踪更复杂，数据依赖性更强，因此编写高性能的科学流程序既困难又重要。

雅可比迭代是一种常用且简单的偏微分方程（PDEs）求解器，属于重要的科学程序类别。随着计算机性能的提升，科学家们开始编写3 - D程序来求解PDEs。为了研究流处理器在科学程序中的应用以及其特性的利用，本文将具有代表性的科学应用3 - D雅可比迭代映射并优化到基于StreamC/KernelC的流处理器上。

2. 雅可比迭代原理

• 2 - D雅可比迭代 ：2 - D雅可比迭代代码如下：

A(