在 GPU 上使用随机数答案

【问题标题】：Using random numbers with GPUs在 GPU 上使用随机数
【发布时间】：2011-03-08 16:44:23
【问题描述】：

我正在研究使用 nvidia GPU 进行蒙特卡罗模拟。但是，我想使用 gsl 随机数生成器以及并行随机数生成器，例如 SPRNG。有谁知道这是否可能？

更新

我使用 GPU 玩过 RNG。目前没有很好的解决方案。 SDK 附带的 Mersenne Twister 并不适合（我的）蒙特卡洛模拟，因为生成种子需要非常长的时间。

NAG 库更有希望。您可以批量或在单个线程中生成 RN。但是，目前仅支持少数分布 - 均匀分布、指数分布和正态分布。

【问题讨论】：

标签： c cuda gpu gsl

【解决方案1】：

我和我的同事有一个preprint, to appear in the SC11 conference，它重新审视了另一种非常适合 GPU 的随机数生成技术。这个想法是第n个随机数是：

x_n = f(n)

与传统方法相比，

x_n = f(x_{n-1})

Source code 可用，它实现了几个不同的生成器。提供 2^64 或更多流，每个流的周期为 2^128 或更多。所有这些都通过了流内和流间统计独立性的各种测试（TestU01 Crush 和 BigCrush 套件）。该库还包括允许您在 GSL 框架中使用我们的生成器的适配器。

【讨论】：

【解决方案2】：

GSL 手册recommends the Mersenne Twister.

Mersenne Twister 作者有一个version for Nvidia GPUs。我考虑将其移植到 R 包gputools，但发现在“生成 GPU 并提供给 R”的组合比仅在 R 中绘图更快之前，我需要大量的绘图（我认为是数百万）（仅使用 CPU）。

这确实是计算/通信的权衡。

【讨论】：

【解决方案3】：

这里我们在 GPU 上使用 sobol 序列。

【讨论】：

【解决方案4】：

使用 CUDA SDK 中提供的 Mersenne Twister PRNG。

【讨论】：

【解决方案5】：

我刚刚发现 NAG 提供了一些 RNG routines。这些图书馆对学术人员免费。

【讨论】：

【解决方案6】：

GPU 所需的大规模并行随机生成是一个难题。这是一个活跃的研究课题。你真的必须小心，不仅要有一个好的顺序随机生成器（这些你可以在文献中找到），还要保证它们是独立的。成对独立对于良好的蒙特卡罗模拟来说是不够的。 AFAIK 没有好的公共领域代码可用。

【讨论】：

【解决方案7】：

您必须自己实现它们。

【讨论】：