图形处理器上的领域专用编程语言设计研究

近年来，图形处理器(GPU)的运算能力飞速发展，已大大超过同等价格的CPU。但是，尽管现代GPU通用编程语言已经得到了长足的发展，编写GPU程序仍然需要具备GPU并行算法设计能力。这一点阻碍了GPU在其他领域的进一步应用。因此，GPU上的领域专用编程语言(DSL)成为了近年来一个重要的研究方向。和通用语言相比，DSL更紧密地结合领域本身的特点，以提供专用的语言结构和代码优化。但GPU上DSL的编译技术仍然是一个有待探索的领域。本项目的目标是研发一套核心DSL研发平台以及相应的优化编译器，并据此对若干个领域系统性地研发支持自动GPU并行化的DSL。除基础平台的研发外，本项目拟在程序建模、矩阵计算、物理计算等领域分别展开DSL的设计研究。本项目拟解决的关键科学问题是设计所有DSL的统一语法，提出适当的编译器数据结构，深入研究领域特性并设计合适的GPU并行化方法。

本课题目标是研发一套核心领域专用编程语言（Domain Specific Language, DSL） 研发平台以及相应的优化编译器，并据此对若干领域系统性地研发支持自动GPU 并行化的DSL。除基础平台的研发外，课题在程序建模、物理计算、运动特效绘制等领域分别展开了DSL的设计研究。.立项以来，课题按照任务书计划，在GPU的DSL基础平台研发，面向程序建模、物理仿真领域、运动特效绘制领域的DSL设计和实现方面开展了研究，并取得了一定成果。三年来，课题组成员在包括ACM SIGGRAPH、Pacific Graphics等领域内高水平学术会议上发表文章，并被ACM Transactions on Graphics、IEEE Transactions on Visualization and Computer Graphics、Computer Graphics Forum等领域内具有重要影响的国际期刊所收录。共发表论文3篇，均被SCI收录。获得国家发明专利1项。.在GPU上程序建模方面，我们针对内存管理这一核心问题的两个重要挑战开展了研究，针对任意位置上的高效并行内存分配问题，我们提出了一个基于编译器实现的两遍执行方法；针对高效而安全的垃圾收集问题，我们提出了将基于集合压缩的垃圾回收器直接暴露给程序员的方法，这一回收器在建模过程中需要以固定间隔显式地调用。在物理计算方面，我们提出了直接对抽象语法树进行的偏导数符号求解方法，和通用符号代数符号计算系统相比，我们的方法能够更好地结合原始的数值实现；和运行时方法相比，我们能通过编译消除假依赖关系，避免计算的浪费。在运动特效绘制方面，我们针对GPU上实现该DSL面临的并行度和GPU存储容量之间的矛盾提出了一种新的并行方法，使得我们的DSL能够充分利用GPU的并行计算能力，和对应的CPU实现相比提高计算效率一个数量级。