مروری بر محاسبات موازی در مکانیک تجربی و اندازه گیری نوری
تکنیک های نوری با داشتن مزایایی مانند غیرمخرب بودن، حساسیت بالا و صحت بالا، با موفقیت در انواع کمیت های فیزیکی مهم در مکانیک تجربی[1] و اندازه گیری نوری[2] یکپارچه گشته اند. با این حال، در راستای رزولوشن های تصویر بالاتر برای صحت بالاتر، بار محاسباتی تکنیک های نوری، سنگین تر گشته است. بنابراین، در سال های اخیر، پلتفرم های ناهمگن متشکل از سخت افزارهایی مانند واحد پردازش مرکزی[3] ها و واحد پردازش گرافیکی[4]، برای افزایش سرعت این تکنیک ها برحسب مقرون به صرفه بودن، چرخه توسعه کوتاه، قابلیت حمل آسان و مقیاس پذیری بالا مورد استفاده قرار گرفته اند. در این مقاله، به تجزیه و تحلیل کارهای متعدد با نمایش معماری های مختلف آنها و معرفی انواع الگوهای موازی برای محاسبات با سرعت بالا می پردازیم. سپس، به مرور تاثیرات محاسبات موازی CPU و GPU مخصوصا در کاربردهای EM & OM در قلمروی گسترده می پردازیم که شامل همبستگی تصویر/صوت دیجیتالی، آنالیز الگوی لبه، توموگرافی، تصویربرداری ابرطیفی، هولوگرام های تولید شده توسط کامپیوتر و تصویربرداری انتگرالی می باشند. در این بررسی، پی بردیم که موازی سازی زیاد می تواند همیشه در چنین کاربردها برای توسعه سیستم هایی با کارایی بالا مورد بهره برداری قرار گیرد.
کلمات کلیدی: محاسبات موازی، CPU، GPU، مکانیک تجربی، اندازه گیری نوری
Parallel computing in experimental mechanics and optical measurement: A review (II)
Optics and Lasers in Engineering
Available online 8 June 2017
Abstract
With advantages such as non-destructiveness, high sensitivity and high accuracy, optical techniques have successfully integrated into various important physical quantities in experimental mechanics (EM) and optical measurement (OM). However, in pursuit of higher image resolutions for higher accuracy, the computation burden of optical techniques has become much heavier. Therefore, in recent years, heterogeneous platforms composing of hardware such as CPUs and GPUs, have been widely employed to accelerate these techniques due to their cost-effectiveness, short development cycle, easy portability, and high scalability. In this paper, we analyze various works by first illustrating their different architectures, followed by introducing their various parallel patterns for high speed computation. Next, we review the effects of CPU and GPU parallel computing specifically in EM & OM applications in a broad scope, which include digital image/volume correlation, fringe pattern analysis, tomography, hyperspectral imaging, computer-generated holograms, and integral imaging. In our survey, we have found that high parallelism can always be exploited in such applications for the development of high-performance systems.
Keywords: Parallel computing, CPU, GPU, Experimental mechanics, Optical measurement
[1] Experimental Mechanics (EM)
[2] Optical Measurement (OM)
[3] Central Processing unit (CPU)
[4] Graphics Processing Unit (GPU)
