Snabba beräkningar av elastisk proton-neutronspridning med en grafikprocessor
| dc.contributor.author | Brusewitz, Erik | |
| dc.contributor.author | Körner, Alexander | |
| dc.contributor.author | Löfving, Joseph | |
| dc.contributor.author | Olvhammar, Hanna | |
| dc.contributor.author | Weddig Karlsson, Alfred | |
| dc.contributor.department | Chalmers tekniska högskola / Institutionen för fysik | sv |
| dc.contributor.examiner | Falk, Lena | |
| dc.contributor.supervisor | Ekström, Andreas | |
| dc.contributor.supervisor | Miller, Sean | |
| dc.date.accessioned | 2021-11-15T07:03:42Z | |
| dc.date.available | 2021-11-15T07:03:42Z | |
| dc.date.issued | 2021 | sv |
| dc.date.submitted | 2020 | |
| dc.description.abstract | För att beskriva den starka kärnkraften med effektiv fältteori krävs noggrann kalibrering av kopplingskonstanterna i motsvarande potentialmodeller. Det ger upphov till ett flerdimensionellt inferensproblem som i sin tur kräver snabba numeriska beräkningar. Vi har därför undersökt möjligheten att genomföra effektiva beräkningar av spridningsfasskift genom att lösa Lippmann-Schwingerekvationen för elastisk proton-neutronspridning på en grafikprocessor (GPU). För att utnyttja parallelliseringsförmågan hos en GPU används gränssnittet CUDA i C++. Den numeriska lösningsmetoden, som baseras på upprepad lösning av en matrisekvation, har redan implementerats på en centralprocessor (CPU). Därför jämförs den totala exekveringstiden för CPU- och GPU-programmen, såväl som exekveringstiden per beräknat fasskift. Vi fann att GPU-programmet är snabbare än CPU-programmet vid beräkning av många fasskift samtidigt och att det därför finns goda möjligheter för mer effektiv kalibrering av kopplingskonstanterna med en GPU. Koden för att beräkna potentialmodellen är skriven för en CPU och har inte utvecklats i det här projektet. För att öka effektiviteten i våra GPU-beräkningar krävs dock effektivare hantering av potentialen. Vi drar slutsatsen att fortsatt optimering av vår GPU-kod samt anpassning för specifik hårdvara, som grafikkortet Nvidia Tesla V100, kan möjliggöra ännu snabbare beräkningar av elastisk proton-neutronspridning och därmed bidra till framsteg för att beskriva den starka kärnkraften. | sv |
| dc.identifier.coursecode | TIFX04 | sv |
| dc.identifier.uri | https://hdl.handle.net/20.500.12380/304357 | |
| dc.language.iso | swe | sv |
| dc.setspec.uppsok | PhysicsChemistryMaths | |
| dc.subject | Lippmann-Schwinger | sv |
| dc.subject | nukleon-nukleonspridning | sv |
| dc.subject | växelverkan | sv |
| dc.subject | starka kärnkraften | sv |
| dc.subject | CUDA | sv |
| dc.subject | GPU | sv |
| dc.subject | parallellisering | sv |
| dc.title | Snabba beräkningar av elastisk proton-neutronspridning med en grafikprocessor | sv |
| dc.type.degree | Examensarbete för kandidatexamen | sv |
| dc.type.uppsok | M2 |