weixin_52190646的博客

本节主要介绍了一种新的负载平衡算个发，解决在域分解的异构环境中的动态复制问题。

本章内容主要包括两个部分，第一个部分是介绍了两种经典的跟踪算法：基于历史的跟踪算法和基于事件的跟踪算法。第二部分是作者对于两种方法的一些优化。

OpenMC作为一个开源的蒙特卡洛中性粒子传输应用程序，最近通过使用OpenMP目标卸载模型成功的移植到GPU架构上。我们在Frontier，Polaris和Aurora的超级计算机上大规模检验了OpenMC的性能，表明了OpenMC已经在三家主要的GPU供应商（AMD、NVIDIA和Intel）上实现了可移植性。我们将OpenMC的GPU性能与传统基于CPU上的openMC以及与其他先进的CPU平台上的蒙特卡洛粒子传输应用做对比，

Eckhardt (1987)提供了斯坦·乌拉姆和约翰·冯·诺伊曼关于纸牌游戏中的未发表对话，这成为启动蒙特卡罗输运方法的基础。"关于蒙特卡罗方法，我最初的想法和尝试是在1946年我病愈休养时玩纸牌时产生的。当时我在思考这样一个问题：52张纸牌的康菲尔德纸牌布局能成功完成的几率是多少？在花费了大量时间尝试用纯组合计算来估计之后，我想知道是否有比“抽象思维”更实用的方法，比如将它布局一百次，然后简单观察和计数成功的游戏次数。

自从电子计算开始之初，蒙特卡洛粒子传输一直是解决物理问题的一个典型的方法。由于这些应用对于高计算的需求以及内在的并行性质，蒙特卡洛传输应用常常运行在超级计算机环境上。也就是说，由于每一个节点并行能力也在迅速提升，超级计算机的随之发展，包括常规的多核设备（如GPU）。蒙特卡洛传输应用，像所有其他运行在超级计算机上的应用一样，被迫在他们的的设计上做出重大改变，为了更好的利用这新架构。