ايجاد تسريع در پردازش موازي معادلات ماكسول

Accelerating Parallel Processing of Maxwell s Equations

تجزيه و تحليل پديده‌هاي الكترومغناطيسي در بسياري از زمينه‌ها نظير ارتباطات راه دور، تصويربرداري به كمك رادار، مطالعات ژئوفيزيك، تشخيصهاي طبي، امور نظامي و دفاعي، قطعات الكترونيك پرسرعت و آنتنهاي هوشمند داراي اهميت اساسي است. اين پديده‌ها توسط معادلات ماكسول قابل تحليل مي‌باشند. ولي حل اين معادلات پس از گسسته‌سازي نيازمند توان پردازشي بالايي است، به نحوي كه انجام شبيه‌سازي به شكل سنتي و روي يك پردازنده عادي پاسخگوي نيازهاي موجود نيست. لذا ايجاد تسريع در حل اين معادلات و نيز فراهم كردن امكان شبيه‌سازي فضاهاي بزرگتر همواره مورد توجه بوده است. در اين تحقيق با استفاده از روش تقسيم دامنه و ايجاد توازي در شبيه‌سازي روي شبكه‌اي از كامپيوترهاي شخصي و نيز بكارگيري قابليت SIMD در پردازنده‌هاي Intel، زمان حل معادلات ماكسول را كاهش داده‌ و تسريع قابل توجهي بدست آورده‌ايم. از دستاوردهاي اين تحقيق مي‌توان ارزيابي اجراهاي مختلف موازي اين الگوريتم، تسريع مضاعف ناشي از توزيع داده‌ها در حافظه‌هاي پرسرعت‌‌تر و به كارگيري دستورات موازي پردازنده براي پردازشهاي سنگين برشمرد.

Analysis of electromagnetic phenomena is very crucial in many research areas such as telecommunication, radar imaging, geophysics studies, medical diagnosis, military, high-speed electronics components, and smart antennas. These phenomena can be analyzed using Maxwell equations. Solving the Maxwell equations after discretization is very time consuming. In fact simulating these equations by use of traditional methods and a usual processor is not possible. Accelerating simulation of Maxwell equations and simulation of larger spaces have always been considered. In this study we have used Finite Difference Time Domain method to analyze Maxwell equations. By parallel simulation of these equations on a network of personal computers and by utilizing SIMD capability of the Intel processors we have gained a considerable acceleration in simulation of Maxwell equations. The main achievements of this work are evaluation of various parallel executions of Maxwell equations, two fold acceleration because of distribution of data in faster memories, and using SIMD instructions to accelerate time consuming simulations.