GPU计算在JUNO离线软件中的应用

The Jiangmen Underground Neutrino Observatory (JUNO) is a multiple purpose neutrino experiment to determine neutrino mass hierarchy and precisely measure oscillation parameters. JUNO is a huge project, and it will occupy a great amount of computing resources. We take the GPU computing into account, and expect a significant improvement of the executing efficiency to the JUNO detector simulation and event reconstruction. According to the actuality and prospect of GPU computing technology in industry circles, we prefer the NVIDIA Tesla GPU and CUDA platform as our research direction. The detector simulation and event reconstruction procedures are generally reviewed. The main executing part can be well mapped to the CUDA lightweight threads architecture. An appropriate design with CUDA is proposed, which will provide excellent acceleration result. At the same time, we will integrate CUDA into the SNiPER software platform, so that developers and users are able to switch between CPU and GPU computing smoothly.

江门中微子实验（JUNO）做为一个多功能的中微子观测平台，其主要物理目标包括中微子质量测序和震荡参数的精确测量等。因该实验规模巨大，其离线软件面临很大计算压力。针对JUNO探测器模拟和事例重建软件进行优化，采用GPU加速技术将能显著提升软件运行速度。结合GPU计算技术现状和发展趋势，我们选择NVIDIA Tesla GPU和CUDA平台做为研发方向。通过对探测器模拟和事例重建软件运行模式的分析，并与CUDA轻线程计算结构做比较和匹配，提出合理的CUDA开发方案并预期能获取理想的加速效果。此外，我们还会将CUDA环境与JUNO离线软件平台SNiPER集成，使开发者和用户在CPU和GPU计算之间都能平滑过渡。

江门中微子实验（JUNO）是一个多功能的中微子观测平台，其主要物理目标为测量中微子质量顺序，并可用于其它多种中微子物理的研究。JUNO主体为一个高达2万吨的液体闪烁体探测器，其中装配有约18,000个光电倍增管（PMT），用于测量探测器中产生的光信号。该实验数据处理过程中，往往需要对有信号的PMT进行遍历，并对这些PMT进行相似的计算或处理。鉴于其PMT数量众多，传统CPU上串行循环模式极为耗时。当不同PMT可相互独立处理时，我们能够充分利用GPU中大量计算核心的并行计算能力，提高软件执行速度。通过对JUNO离线软件的分析，宇宙线缪子快速模拟以及极大似然重建算法能够良好匹配GPU计算模式。我们以这两个算法为重点，针对其中计算密集型代码，开展了GPU计算的开发和移植工作。通过对物理结果的比较，两者的GPU版本在统计上与对应的CPU版本结果一致。同时，性能测试也表明两者执行速度相较CPU具有O(100)的大幅提升。此外，我们还进行了GPU与SNiPER软件框架的整合工作，使得JUNO离线软件用户能够更方便的开发或使用基于GPU的算法。本课题研究内容在未来JUNO的数据处理中有重要应用前景，研究进展顺利，实现了预期目标。