欢迎来到天天文库
浏览记录
ID:56003209
大小:467.96 KB
页数:7页
时间:2020-06-19
《基于CUDA对RNA二级结构预测的并行研究.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库。
1、2014年1月计算机工程与设计Jan.2014第35卷第1期COMPUTERENGINEERINGANDDESIGNVo1.35NO.1基于CUDA对RNA二级结构预测的并行研究陈飞,郝福珍(华北计算技术研究所,北京100083)摘要:为解决长链RNA二级结构预测面临的计算压力,分析了当前基于最小自由能预测RNA二级结构的相关串行、并行算法,提出了一种基于CUDA(computeunifieddevicearchitecture)编程模型的并行加速算法。在实现时充分利用了支持CUDA编程模型的GYU(graphicprocessingunit)设备中的共享存储
2、器、常量存储器等硬件,对RNA二级结构预测算法中的动态规划进行了有效的并行。实验结果表明,在支持CUDA编程模型的GPU上实现的并行程序,获得了与已有的串行、并行算法相同的准确度,同时运行速度更快。关键词:统一计算设备架构;RNA二级结构预测;并行算法;最小自由能;动态规划中图法分类号:TP302文献标识号:A文章编号:1000—7024(2014)01—0297—06CUDAbasedparallelresearchofRNAsecondarystructurepredictionCHENFei。HAOFu—zhen(NorthChinaInstituteo
3、fComputingTechnology,Beijing100083,China)Abstract:Toovercomethecomputationalpressureinthepredictionofsecondarystructureoflong-chainRNA,relatedserialandparallelalgorithmsaccordingtOMFE(minimumfreeenergy)areanalyzed,thenaparallelimplementationbasedonCUDAisproposed.Theimplementationtak
4、esfullyadvantageofsharedmemoryandtexturememoryinCUDAbasedGPUfortheeffec—tiveparalle1.TheexperimentalresultsshowthattheparallelprogramimplementedontheGPUwhichsupportsCUDAachievesthesameaccuracycomparedwithexistingserial,parallelalgorithmswhileyieldsreasonablespeedups.Keywords:CUDA;RN
5、Asecondarystructureprediction;parallelalgorithms;minimumfreeenergy;dynamicprogramming于CUDA编程模型的可编程GPU,型号为GTX550,它拥0引言有384个处理器核心。相对于CPU,GPU拥有更多的可用研究RNA二级结构对于防治以RNA进行基因传递的计算核心,在浮点运算和并行计算方面拥有更明显的优势,疾病有重要作用。长链RNA可能包含几千到几百万不等数同时GPU比小型机或计算机集群而言更容易获取。CUDA量的核苷酸,用X射线晶体衍射、核磁共振等方法测定其编程模型提供的软件环
6、境使编写程序、操作GPU就如同控二级结构,对时间和资金消耗都很大,当前主流的做法是制大规模并行机器一样便捷,不需要像以前依赖图形API使用基于最小自由能的动态规划模型预测RNA二级结构。接口来实现对GPU的访问,使得在GPU上实现并行通用在1981年Zuker和Stiegler提出动态规划模型求解该问计算程序的难度大大降低。同时CUDA提供了内存管理、题_1]后,一方面人们提出了启发式算法和近似算法来优化高性能计算指令、设备访问和执行调度等函数,方便控制动态规划模型,减小了计算压力;另一方面人们还提出了数据移动及优化程序。更多的分子热力学细节以及相应的算法,来
7、更准确地预测文章中讨论的并行算法包含了一系列依赖紧密的数据,RNA二级结构,但这样也会相应的增加整体算法的时间复包括5个大小为D(n表示RNA序列长度)的数组以及一杂度和空间复杂度。针对RNA链长度增加和预测准确度增系列索引数组。在解决该问题中,合理利用共享存储器高带来的双重计算压力的难题,并行算法是一种值得尝试(sharedmemory)、常量存储器(constantmemory)等存储的解决办法。数据,同时控制设备内存中的数据进行移动,可以有效的本课题选用的并行计算平台是nVIDIA公司推出的基加速算法的运行。收稿日期:2013—06—05;修订日期:20
8、13—08—15作者简介:陈飞(198
此文档下载收益归作者所有