本文介绍了中国研究者开发出的一种高性能算法，该算法能够在普通消费者级别的GPU上解决复杂的材料设计问题，速度提升了惊人的800倍。该算法由深圳北理莫斯科大学的研究团队研发，提高了近场动力学的计算效率，为各行业解决复杂的机械问题提供了新的可能性。该成果的创新之处在于无需更换GPU即可将计算效能最大化，为工业软件的核心技术国产化贡献了重要力量。
研究团队利用英伟达（Nvidia）的CUDA编程技术创建了PD-General框架，实现了近场动力学计算效率的大幅提升，解决了其高计算复杂性和传统模拟效率低下的问题。
该成果为在广泛可用的、低成本且不受美国制裁的芯片上解决各行业复杂的机械问题开辟了新的可能性，包括航空航天和军事应用等领域。
研究团队的跨学科合作促进了技术的创新，为未来的科研合作提供了新的思路。杨杨副教授和她的团队通过跨学科合作，提出了一个全新的思路，实现了这一技术突破。
随着国产AI DeepSeek崛起，低成本AI训练引发了科技圈的震动。而近日，一篇在《计算力学学报》上发表的最新研究成果，将人们的目光再次引向了中国。
中国研究者近日开发出一种高性能算法，能够在普通消费者级别的GPU上解决复杂的材料设计问题，与传统方法相比，速度提升了惊人的800倍。这一成果由深圳北理莫斯科大学（由洛蒙诺索夫莫斯科国立大学和北京理工大学联合创办）的研究团队研发，该算法极大地提高了近场动力学（PD）的计算效率。近场动力学是一种前沿的非局部理论，能够解决裂纹、损伤和断裂等复杂的物理问题。
这一突破为在广泛可用的、低成本且不受美国制裁的芯片上解决各行业复杂的机械问题开辟了新的可能性，包括航空航天和军事应用等领域。
近场动力学在材料损伤建模方面已经展现出其优势，但其高计算复杂性传统上导致大规模模拟效率低下，存在内存占用高和处理速度慢等难题。为了应对这些挑战，深圳北理莫斯科大学的杨杨副教授利用英伟达（Nvidia）的CUDA编程技术，创建了PD-General框架。
通过对GPU芯片独特结构的深入分析，杨杨副教授的团队优化了算法设计和内存管理，从而实现了显著的性能提升。这一研究成果于1月8日发表在《计算力学学报》（中文版）上，引起了业界的广泛关注。
该文章的第一完成单位是深圳北理莫斯科大学，作者为杨杨副教授和南方科技大学硕士研究生苏梓鑫。1月31日，在接受深圳商报采访时，杨杨副教授表示，这项成果的最大创新在于无需更换GPU，即可将计算效能“最大化”，为工业软件的核心技术国产化贡献了重要力量。
“这种高效的计算能力使研究人员能够将通常需要数天的计算减少到仅需几个小时——甚至几分钟——只需使用普通的家用级GPU，这对于近场动力学研究来说是一个重大的进步，”杨杨在论文中写道。
杨杨副教授还透露，这项研究之所以能够取得突破，得益于团队的跨学科合作。她本人是研究力学算法的，但团队中的硕士研究生则专注于计算机领域，对计算机架构有深入的了解。“跨学科的合作与碰撞，使得我们提出了一个全新的思路，也走出了不一样的路。”杨杨说道。这一合作模式不仅促进了技术的创新，也为未来的科研合作提供了新的思路。
通用寄存器优化算法示意图，展示了算法优化过程中的关键技术和步骤。
欢迎关注我们，并“设为星标” 可第一时间收到我们的推送消息================================
创芯大讲堂开年钜惠！
【芯片课·狂省25%】
