Uploaded July 2026 | Updated September 2026, 3 hours ago
「CPUとGPUの同時利用による高速かつ省エネルギーな陰的波動シミュレーション」
講演者 ：藤田 航平（東京大学）
開催日時 ：2025年10月30日（木）13:00～14:00
概要 ：本講演では、CPUの大容量メモリとGPUの高性能計算能力を同時に活用することで、陰的波動シミュレーションのスループットを向上させ、省エネルギー化を実現するアルゴリズムを紹介します。具体的には、メモリに余裕のあるCPU上で過去のシミュレーションデータを用いて次の時間ステップの高精度な初期解を予測し、その後の反復ソルバーを高性能なGPU上で計算することで、精度を損なうことなく効率的な計算を可能にします。本手法は、他の偏微分方程式に基づく陰的な時刻歴シミュレーションにも、異種アーキテクチャシステム上で有効であることが期待されます。
"Simultaneous use of CPU and GPU for fast and energy-efficient implicit wave simulation"
Speaker: Kohei Fujita, University of Tokyo
Date and Time: Thursday, October 30, 2025, 13:00–14:00 (JST)
In this talk, I will review an algorithm that simultaneously utilizes the large memory capacity of CPUs and the high-performance computing capability of GPUs to improve throughput and save energy in implicit wave simulations. Here, high-accuracy initial solutions of the next time step are predicted using past simulation data on memory-rich CPUs, while the iterative solver is computed on high-performance GPUs, leading to efficient computations without degradation in accuracy. The method is expected to be useful for other PDE-based implicit time history simulations on heterogeneous architecture systems.
「CPUとGPUの同時利用による高速かつ省エネルギーな陰的波動シミュレーション」
講演者 ：藤田 航平（東京大学）
開催日時 ：2025年10月30日（木）13:00～14:00
概要 ：本講演では、CPUの大容量メモリとGPUの高性能計算能力を同時に活用することで、陰的波動シミュレーションのスループットを向上させ、省エネルギー化を実現するアルゴリズムを紹介します。具体的には、メモリに余裕のあるCPU上で過去のシミュレーションデータを用いて次の時間ステップの高精度な初期解を予測し、その後の反復ソルバーを高性能なGPU上で計算することで、精度を損なうことなく効率的な計算を可能にします。本手法は、他の偏微分方程式に基づく陰的な時刻歴シミュレーションにも、異種アーキテクチャシステム上で有効であることが期待されます。
"Simultaneous use of CPU and GPU for fast and energy-efficient implicit wave simulation"
Speaker: Kohei Fujita, University of Tokyo
Date and Time: Thursday, October 30, 2025, 13:00–14:00 (JST)
In this talk, I will review an algorithm that simultaneously utilizes the large memory capacity of CPUs and the high-performance computing capability of GPUs to improve throughput and save energy in implicit wave simulations. Here, high-accuracy initial solutions of the next time step are predicted using past simulation data on memory-rich CPUs, while the iterative solver is computed on high-performance GPUs, leading to efficient computations without degradation in accuracy. The method is expected to be useful for other PDE-based implicit time history simulations on heterogeneous architecture systems.
