赖剑奇，李桦，张冉，常青

国防科技大学 空天科学学院，长沙 410073

随着计算流体力学(Computational Fluid Dynamics, CFD)的日益成熟和计算机技术的迅猛发展，CFD在飞行器气动性能分析与优化设计、复杂流动机理分析中的作用和地位日益突出[1-2]。对于自然界中普遍存在的高雷诺数流动如湍流、漩涡、分离、气动声学等多尺度复杂流动问题，密集的计算网格往往不可或缺。对于真实气体流动的模拟，包含多种组分的化学反应模型在一定程度上会使得计算网格成倍增加[3]。同时在工程实际中，对于飞行器的全机模拟，一般要求单个计算状态的计算网格在千万量级甚至上亿的水平，并且需要计算的状态数目成百上千，如此庞大的计算量迫切需要提高计算效率。因此，快速精确地实现CFD的数值模拟，是广大科研工作者共同追求的目标。

传统上,开展基于CPU集群的并行计算是解决大规模科学计算问题的有效途径，而并行计算集群的性能在很大程度上依赖于CPU的更新换代。但是随着CPU单位面积内集成的晶体管数量增多，能量消耗和散热问题不可忽视，导致CPU的更新速度变缓，发展陷入瓶颈。图形处理单元(Graphics Processing Units，GPU)在数据并行上具有强大的浮点运算能力和存储带宽[4]，其作为一种新型的科学计算设备开始进入人们的视野。与Intel CPU相比，GPU具有突出的性能优势。GPU近年来在分子动力学(MD)、CFD、气象预测(WF)、人工智能(AI)等通用计算领域应用广泛[5-9]。GPU的发展给CFD高性能计算领域带来了前所未有的机遇和挑战，在GPU上实现CFD大规模并行计算一直是GPU在通用计算领域的热点，将会对CFD的研究与应用产生巨大的推动作用。……