来源论文: https://arxiv.org/abs/2607.01591v1 生成时间: Jul 04, 2026 00:07

GPU加速非结构网格确定性中子输运框架 NuDEAL 的验证与性能评估：面向先进反应堆的高效计算方案深度解析

0. 执行摘要

在下一代先进核能系统（如熔盐堆、液金属冷却快堆、热管微型反应堆）的研发与设计中，传统基于规则几何结构（如笛卡尔或六角形网格）的确定性中子输运方法面临着严峻的挑战。先进反应堆通常具有极强的空间异构性，且伴随着非对称、非刚性的结构变形（例如热膨胀和辐照肿胀）。这使得采用**非结构网格（Unstructured Meshes）**的高保真三维输运计算成为必然趋势。

然而，在非结构网格上求解玻尔兹曼中子输运方程（Boltzmann Neutron Transport Equation）面临两大瓶颈：

1. 极高的空间-角度自由度耦合导致极其庞大的计算量与内存消耗；
2. 不规则的网格拓扑导致极度零散和非连续的内存访问，严重制约了现代通用图形处理器（GPU）的并行效率。

为了解决上述难题，韩国原子能研究院（KAERI）等机构联合开发了 NuDEAL（Neutronics using Deterministic Finite Element Algorithm） 框架。这是一个统一的、纯GPU加速的非结构网格确定性中子输运数值模拟平台。NuDEAL 创造性地集成了三种互补的高性能求解器：

1. MOC/HFEM（平面特征线方法耦合三维混合有限元/变分节点法）；
2. DGMOC（不连续伽辽金轴向展开三维特征线方法）；
3. DFEM-SN（不连续有限元离散坐标方法）。

通过设计高度定制化的GPU加速方案——包括128位合并内存对齐、动态内存压缩技术、时序方位角扫掠机制以及自由度（DoF）层面的细粒度并行算子，NuDEAL 成功攻克了非结构网格上输运扫掠的硬件效率瓶颈。在经典 C5G7 国际基准题以及先进快堆（ABTR）、微型堆（Empire）和熔盐实验堆（MSRE）的计算评估中，NuDEAL 展示出了令人瞩目的计算精度与加速性能：在单一消费级或服务器级 GPU 上，其运行速度达到了数百核传统 CPU 集群的水平，且本征值误差控制在极低的 pcm 级别。这一突破为先进反应堆全堆芯、全耦合多物理场、瞬态高保真数值模拟开辟了崭新的工业应用前景。

1. 核心科学问题，理论基础，技术难点，方法细节

1.1 核心科学问题与挑战

在反应堆物理模拟中，玻尔兹曼中子输运方程是一个描述中子在六维相空间（3D空间 $\mathbf{r}$、2D方向 $\mathbf{\Omega}$、1D能量 $g$）中分布的偏微分-积分方程：

其中，$\varphi_g$ 为群角通量，$\Sigma_{tg}$ 为总截面。右端的散射源 $q_{sg}$ 与裂变源 $q_{fg}$ 分别定义为：

散射截面通常采用 Legendre 多项式展开（阶数为 $L$）：

当空间域 $\mathcal{D}$ 被剖分为非结构多面体网格（Polyhedral Elements）时，传统的规则网格算法失效。确定性输运求解的核心在于如何在 GPU 这样的大规模细粒度并行硬件上，既能实现无冲突、高带宽的“扫掠（Sweep）”计算，又能将海量角通量所占用的显存（VRAM）控制在物理极限之内。

1.2 三种核心求解器的理论基础与数学公式

NuDEAL 框架并没有采用“单一方法适配所有场景”的思路，而是构筑了三套在精度、内存、计算效率上互补的理论路线：

1.2.1 平面 MOC 耦合三维 HFEM (MOC/HFEM)

该方法借鉴了传统 2D/1D 直径全堆芯耦合思想，但在轴向解算器上进行了革命性的升级。径向平面采用特征线方法（MOC），利用细网格非结构二维特征线求解多群输运方程；轴向则通过粗网格混合有限元法（HFEM）/变分节点法（VNM）进行三维耦合，避免了常规 2D/1D 方法中由于“横向泄漏近似（Transverse-Leakage Approximation）”引入的数值不稳定性与精度缺失。

MOC 沿特征线段 $s$ 的一维解析积分公式为：

而在粗网格三维区域，HFEM 求解扩散或 $SP_3$ 方程。以扩散方程为例，其作用泛函可表示为：

对该泛函求极小值，推导出单元层面的弱形式：

通过对单元内部通量和界面净电流进行正交多项式展开（空间 $p$-refinement），最终将其转化为响应矩阵形式：

其中 $\mathbf{J}_e^\pm$ 分别代表流出和流入单元边界的偏电流。MOC 与 HFEM 通过粗网格有限差分（CMFD）方法进行强制一致性加速（见论文中的 Algorithm 1）。

1.2.2 轴向不连续伽辽金特征线方法 (DGMOC)

DGMOC 属于真正的直接三维 MOC 求解器。它在径向平面上沿着 2D 投影特征线进行扫掠，而在轴向方向上，角通量和源项在一个轴向层内采用 $n$ 阶不连续有限元基数展开（本研究中限制为一阶以保证计算效率）：

将其代入三维特征线输运方程，并在轴向单元内与测试函数 $u_q^i(z)$ 作内积积分。当特征线方向中子的轴向分量 $\Omega_{m,z} > 0$ 时，利用迎风格式（Upwind Scheme）耦合边界处的流入项，推导出不连续伽辽金弱形式（Eq. 8）：

此方程组在每条特征线段上构成一个 $n \times n$ 维矩阵指数方程，通过解析或高阶泰勒展开求解，天然保证了空间极限细化时的三维收敛性。

1.2.3 不连续有限元离散坐标法 (DFEM-SN)

DFEM-SN 抛弃了特征线的线状扫掠，直接在非结构多面体网格上建立三维不连续有限元离散。单元 $\mathcal{D}_e$ 内的角通量和源项采用局部基函数 $\{u_i(\mathbf{r})\}$ 展开。通过分部积分，将流失项（Streaming Term）转移至网格边界（Eq. 16）：

其中，$\varphi_{em}^*$ 为单元界面处的数值流（Numerical Flux），通过严谨的物理迎风格式定义：当 $\mathbf{\Omega}_m \cdot \mathbf{n} > 0$ 时采用当前单元值，反之则采用相邻上游单元值。这种方法能够完美适应任意非挤压、高度畸变的真三维非结构多面体网格。

1.3 技术难点与优化机制

• 不规则访存退化问题：非结构网格中相邻网格在内存中的物理位置极可能不连续，造成严重的显存零散带宽浪费。NuDEAL 引入了128位内存对齐。由于中子截面、通量和源项是群相关的，NuDEAL 将相邻的 4 个能群的数据打包成一个合体结构体（如 float4 类型），强行实现 128 位对齐（图 1）。当能群数不为 4 的倍数时，填充虚拟“哑元能群”（Dummy Groups）。如此一来，GPU 只需发起一次 128 位合并显存事务（Coalesced Memory Transaction）即可载入数据，极大改善了带宽利用率。
• DGMOC 显存压力极限突破：三维特征线扫掠需要在轴向面上存储所有的面角通量，这对显存空间是毁灭性的。为此，NuDEAL 提出了时序方位角扫掠策略（Sequential Azimuthal Angle Sweep）。它将完整的 $2\pi$ 弧度角集剖分为多个极小的角度块（Angle Blocks）。GPU 在一时刻仅计算一个角度块，完成后立刻进行标量通量归约（Scalar Flux Restoration），随即释放对应角通量的显存。论文指出，这一策略将显存占用降低了数倍，而由于每个角度块内的空间网格数依然庞大，GPU 的并行硬件流处理器（SM）仍能保持近乎 100% 的占有率，计算性能开销仅增加了 3.0% 左右。
• DFEM-SN 并行冲突与显存压缩算法：SN 方法的扫掠是高度依赖拓扑顺序的（即中子流动的迎风关系）。如果直接开辟全域的三维角通量缓冲区（Buffer），显存将彻底溢出。NuDEAL 的贡献在于引入了动态显存压缩机制（Algorithm 3）。该算法通过拓扑排序动态追踪依赖树。中子在扫掠时，一个网格计算完毕后，其角通量只需临时保留。算法计算其所有下游单元被扫掠完毕的临界阶段，并在该阶段结束时立即释放并复用（Reuse）该显存插槽（Slot）。通过这种“空间拓扑级复用”，显存占用得以指数级下降。
• DoF-Wide 细粒度任务映射：在传统的 GPU 加速设计中，常常采用“一线程对应一单元”或“一线程对应一方向”的粗放模式。这在非结构有限元计算中会导致严重的“线程分支分化（Thread Divergence）”。NuDEAL 采取了自由度（DoF）层面的细粒度拆分（图 4）。每一个 GPU 线程被精确地指派去计算单个单元中单个自由度的角通量。这彻底消除了线程间的同步开销，极大地挖掘了 GPU 的线程并发潜力。

2. 关键基准（Benchmark）体系，计算数据与性能展示

为了验证 NuDEAL 的精度、普适性与计算效能，论文涵盖了四大代表性核系统基准题的定量计算：

2.1 C5G7 国际基准题（压水堆 PWR 模型）

C5G7 是由 OECD/NEA 提出的典型高非均匀性轻水堆基准题，具有极强中子漏失和控制棒插拔效应。论文首先进行了 2D 核心剖分测试（包含 189,584 个非结构四边形网格），随后通过轴向拉伸至 30 层（共 850 万个六面体单元）进行 3D 测试。

2.1.1 2D C5G7 性能对比

• 精度表现（表 I）：

DFEM-SN 的精度略优于传统 MOC，这得益于其线性源近似（Linear Source Representation），相比 MOC 的平坦源（Flat Source Approximation）能更精确地勾勒出反射层边界处的通量剧烈震荡。

• GPU 加速与显存压缩效果（表 II）： 对比由美国爱达荷国家实验室开发、运行在大型 CPU 集群上的著名反应堆物理分析程序 Griffin（使用相同物理内核技术）：

在物理网格和角度规模显著大于 Griffin 模型的前提下，开启了“并发+动态显存压缩（Concurrent）”的 NuDEAL 单卡运行时间仅为 26 秒，不仅速度是 CPU 集群的 2 倍，而且将本需 10GB 以上的理论显存强力压缩至极其惊人的 23 MB！

2.1.2 3D C5G7 性能对比

论文在 3D 控制棒模型下对 DGMOC 与 MOC/HFEM 进行了高精度验证（表 IV、表 V）：

• DGMOC 在 Unrodded、Rodded A、Rodded B 物理排列下，$\Delta k$ 分别为 +11 pcm, +13 pcm, -7 pcm，展现出无与伦比的直接三维模拟精度。
• 计算效能：将 DGMOC 运行于单张 NVIDIA RTX 2080 Ti 与阿尔贡国家实验室（ANL）运行在 480 核 Blue Gene/P 巨型超级计算机上的传统 CPU 代码 PROTEUS-MOC 进行对比。PROTEUS-MOC 单次扫掠需 8.05 秒，总耗时 566 秒；而 NuDEAL 单卡单次扫掠仅需 5.25 秒，总耗时 412 秒。单张消费级老一代显卡便实现了对 480 核高性能 CPU 节点的超越。

2.2 ABTR（钠冷快堆）

ABTR 为高速中子谱非均匀反应堆。其 2D 全堆芯网格采用非结构多边形细化，包含 1,608,458 个高精细单元。在此类硬能谱系统中：

• DFEM-SN 计算本征值误差为 -34 pcm，最大针孔功率误差为 0.263%，耗时 4 分钟；
• MOC 计算误差为 -32 pcm，最大针孔功率误差为 0.233%，耗时 不到 1 分钟（< 60s）。 这表明在硬谱快堆中，由于快中子自由程长，MOC 结合平坦源已经具备极高的精度，且表现出了无可比拟的计算效率极限。

2.3 Empire（热管冷却微型反应堆）

Empire 反应堆在中心区域设计有容纳控制棒的大型空气通道，是一种极其复杂的真三维非结构多面体结构（图 7）。

• 2D 全堆芯测试：DFEM-SN 的 $\Delta k$ 为 34 pcm，MOC 为 45 pcm。然而从功率分布来看（表 X），DFEM-SN 的最大单元功率误差仅为 3.32%，远低于 MOC 的 6.39%。其原因在于局部功率变化剧烈，DFEM-SN 的一阶空间精度展现了对强非均匀介质极高的容忍度。
• 3D 全堆芯测试：DFEM-SN 的三维计算耗时为 4,882秒，而 DGMOC 仅需 290秒（表 XI）。
• 重要物理异常发现：在此测试中，MOC/HFEM 发生了物理收敛失败。分析表明，HFEM 在求解 $SP_3$ 方程时，由于中心处存在接近“真真空”的空气通道（Near-void region），使得总截面 $\Sigma_t \to 0$。在二阶输运扩散算子中，$\Sigma_t$ 作为分母项出现，导致矩阵条件数急剧恶化乃至发生奇异。这一物理失效有力地指明了在极其极端的微型反应堆建模中，一阶真三维输运扫掠（如 DGMOC 和 DFEM-SN）的不可替代性。

2.4 MSRE（熔盐实验堆）

MSRE 作为液态燃料热中子谱反应堆，中子通量在燃料盐通道与石墨慢化体边界呈指数级衰减。论文对网格剖分敏感性进行了系统探索（表 XIII）：

• 在使用最基础的粗网格（Base Mesh，190k 单元）下，MOC 的本征值误差高达 -918 pcm，而 DFEM-SN 的误差仅为 22 pcm。这表明 MOC 采用的平坦源无法在粗网格上复现强衰减的热中子场。
• 随着网格从 Base 逐步细化至 Case 4（360k 单元，图 12），MOC 的误差从 -918 pcm 骤降至 -215 pcm、-140 pcm、-124 pcm，最终收敛于 -62 pcm。虽然高密度的非结构网格剖分改善了 MOC 精度，但付出了高昂的寻线与光栅化计算代价。相比之下，DFEM-SN 的有限元线性展开展现了在“粗网格、大梯度”物理情景下的高鲁棒性。

3. 代码实现细节与复现指南

3.1 框架架构与软件依赖

NuDEAL 框架由 KAERI 开发，采用 C++ 与 CUDA 混合编程模型，专为现代 GPU（支持 CUDA Compute Capability 7.5 及以上，如 Turing, Ampere, Ada Lovelace 及 Hopper 架构）进行深度底层适配。目前该软件框架属于 KAERI 的半开源/合作科研资产，但论文中披露的技术栈与依赖库极为清晰，本指南提供等价的开源重构路线：

• 核心几何引擎：
  • 半边网格数据结构（Half-Edge Data Structure, HEDS）：非结构二维平面网格使用开源多边形网格处理库 OpenMesh (C++) 实现高效拓扑导航与特征线穿透搜索。
• 底层数学加速库：
  • cuBLAS (CUDA Toolkit)：对于 HFEM 求解过程中由于红黑迭代产生的数十万个单元响应矩阵求逆，必须调用高性能批处理矩阵求逆算子：
    • cublasDgetrfBatched（对批量密集矩阵进行 LU 分解）；
    • cublasDgetriBatched（完成 LU 分解矩阵的批量求逆）。

3.2 核心 CUDA 核函数设计与执行逻辑

DFEM-SN 求解器的整体并行扫掠过程由三大底层 CUDA 核函数（Kernels）串联驱动：

+-----------------------+
| 1. InvestigateKernel  | ---> 解析非结构网格边界法向量、流向与相邻网格拓扑关系
+-----------------------+
            |
            v
+-----------------------+
|   2. PrepareKernel    | ---> 在物理内存中预构建与入射方向强相关的局部有限元系数矩阵
+-----------------------+
            |
            v
+-----------------------+
|    3. SweepKernel     | ---> 核心扫掠计算：加载压缩后的角通量数据，由 DoF 线程并发解算
+-----------------------+

3.3 本地复现与部署指南（等价开源技术路线）

科研人员可借助开源 MOC 框架 OpenMOC 或 MOOSE 生态中的 Griffin 工具链，结合下述步骤自主复现 NuDEAL 的核心加速特性：

步骤 1：构建 128 位群对齐结构体

在编写 CUDA C++ 的多群数据核函数时，避免使用动态维度的 std::vector，强制设计固定大小的对齐数据结构：

// 针对 4 群能谱计算的显存合并访问设计
struct __align__(16) GroupData4 {
    float g0, g1, g2, g3;
};

// 针对非规则多能谱系统（例如 8 群系统）
struct __align__(16) GroupData8 {
    float4 low_groups;  // 能群 0, 1, 2, 3
    float4 high_groups; // 能群 4, 5, 6, 7
};

步骤 2：实现拓扑动态显存压缩

利用开源拓扑排序算法，在主控 CPU 端首先构建非结构网格的有向无环图（DAG），并为每个节点打上扫掠步（Sweep Stage）标签。随后依据算法 3 创建生命周期管理器：

// 伪代码：GPU角通量槽管理机制
void AllocateCompressVRAM(MeshMesh& mesh, DirectionSet& dirs) {
    std::vector<int> slot_assignments(mesh.num_elements(), -1);
    std::priority_queue<int, std::vector<int>, std::greater<int>> free_slots;
    
    for (int step = 0; step < total_sweep_steps; ++step) {
        // 1. 为当前步骤活跃的单元分配显存槽
        for (auto& elem : active_elements_at[step]) {
            if (free_slots.empty()) {
                slot_assignments[elem.id] = current_max_allocated_slots++;
            } else {
                slot_assignments[elem.id] = free_slots.top();
                free_slots.pop();
            }
        }
        // 2. 释放下游单元已全部计算完的上游单元显存槽
        for (auto& elem : completed_elements_at[step]) {
            free_slots.push(slot_assignments[elem.id]);
        }
    }
}

步骤 3：多群多维截面数据制备

为复现论文中的截面数据，应当采用 GPU 加速的 Monte Carlo 输运代码 PRAGMA 或经典的 Serpent 进行三维非结构全网格下的多群均匀化截面生产（XS Generation）。

4. 关键引用文献与局限性评论

4.1 核心引用文献分析

NuDEAL 框架在理论发展中，关键性地承接了以下学术成果的研究脉络：

• [1] PROTEUS-MOC (Marin-Lafleche et al., 2013)：确定了不连续伽辽金轴向展开（DGMOC）在非结构三维反应堆中应用的科学可行性。NuDEAL 成功将其整体移植入 GPU，消除了原 CPU 版本极其高昂的节点同步开销。
• [4] Griffin (Wang et al., 2025)：作为 MOOSE 框架下的先进反应堆物理求解器，其在 CPU 上实现了非结构 DFEM-SN。NuDEAL 在数值精度上全面对标 Griffin，且在单卡硬件成本上实现了一个数量级的计算超越。
• [8] nTRACER GPU (Choi et al., 2021)：该工作首次在主流 2D/1D 直径输运代码中集成了 GPU 加速的 MOC，但受限于一维规则边界，无法处理变形非结构网格。NuDEAL 在其基础上引入 HEDS，将应用场景拓宽到通用非结构网格上。
• [30] PRAGMA (Choi & Joo, 2021)：PRAGMA 提供了用于该论文中非结构基准题计算所需的参考多群截面和高精度 Monte Carlo 本征值参考值，保证了对比的科学可信度。
• [37] Mixed-Hybrid VNM (E. E. Lewis, 2004)：指出了变分节点法/混合有限元在近虚空域（Near-void）中的奇异性本质，是论文后续改进方向的核心依据。

4.2 局限性客观评论

尽管 NuDEAL 表现出极高的技术先进性，但立足于严谨的学术视角，该框架在当前阶段依然存在四个亟待克服的局限：

1. HFEM 在极弱介质/真空区中的不稳定性： 在 Empire 反应堆基准计算中，由于控制棒预留空气孔的存在，导致二阶 $SP_3$ 方程收敛失败。这是混合有限元（HFEM）固有的数值理论缺陷。要解决此问题，必须重构其变分弱形式，引入诸如一阶混合变分节点公式（Mixed-Hybrid VNM）或对接近真空的网格单元进行特殊的局部迎风 SN 边界等效近似，但这将大幅增加框架内不同方法耦合交互的复杂度。
2. MOC/HFEM 耦合缺乏严谨的物理等效闭合： 目前的 MOC/HFEM 混杂方法通过 CMFD 进行残差修正。然而，由于 2D 细网格 MOC 和 3D 粗网格 HFEM 之间缺乏物理空间上的严谨等效均一化闭合（Spatial Homogenization Equivalence），在具有强热中子各向异性散射的堆芯边界区域，其收敛效率和计算精度依然存在不确定性。
3. DFEM-SN 的内存极限挑战： 虽然动态内存压缩机制（Algorithm 3）极其成功，但针对真正不具有任何轴向延伸性的、百万网格级以上的复杂三维实体反应堆（如变形后的先进空间核电源），DFEM-SN 产生的中间迎风角通量仍可能撑爆单张显卡（如仅 16GB 或 24GB）的物理显存限界。当前 NuDEAL 依然极度依赖大显存的服务器级显卡，消费级显卡的显存上限严重制约了复杂真三维问题的规模。
4. 未实现基于区域分解的多 GPU 协同扩展： 目前发表的 NuDEAL 成果主要聚焦于单 GPU 的极致优化。对于超大型的三维反应堆多物理场全耦合计算，单张 GPU 的计算和存储能力终会见顶。NuDEAL 尚未建立起基于 MPI + CUDA (NCCL) 的多 GPU/多节点三维非结构网格区域分解（Domain Decomposition）算法体系，这极大地限制了其在国家级超算中心万级 GPU 算力池中的横向扩展能力。

5. 补充探讨：确定性中子输运与量子化学计算的跨学科技术共鸣

作为一名在高性能计算、计算物理和量子化学计算（Quantum Chemistry Calculations）前沿交叉领域工作的科研工作者，在深入研读 NuDEAL 的 GPU 加速架构设计时，我不禁产生了强烈的跨学科学术共振。中子输运求解与现代电子结构理论（特别是密度泛函理论 DFT、自洽场方法 SCF、实空间网格 DFT 以及大体系有限元量子化学分子模拟）在底层计算结构和硬件瓶颈上表现出高度的一致性。

5.1 空间-角度自由度 vs. 分子轨道-实空间网格

在玻尔兹曼中子输运方程中，我们面临的是高维相空间的离散（3D 空间 $+$ 2D 角度）。而在实空间量子化学计算中，求解三维薛定谔方程或 Kohn-Sham 密度泛函方程：

当采用实空间网格法（Real-Space Grid Methods）或非结构自适应有限元网格（Adaptive Mesh Refinement Finite Element DFT）表达大分子极其复杂的非球对称外层轨道、反应过渡态分子表面时，我们会遇到完全相同的不规则网格访存退化问题。

NuDEAL 提出的 128位合并内存对齐（将 4 个能群的数据强行拼装为 float4） 对量子化学计算中自洽场（SCF）求解器的电子密度矩阵或哈密顿量矩阵的存储具有直接的借鉴价值。在量子化学中，我们可以将相邻的轨道指数（Orbitals）或自旋分量打包为硬件亲和性的向量类型（Vector Types），从而在计算库仑算符（Coulomb Operator）和交换算符（Exchange Operator）时，实现单条显存指令吞吐整组轨道信息，避免因非规则分子结构拓扑带来的 GPU 随机寻址开销。

5.2 输运扫掠内存压缩 vs. 实空间积分显存瓶颈

实空间 DFT 的一个关键瓶颈是计算交换关联能（Exchange-Correlation Energy）时的三维空间数值积分。由于分子格点数量极其庞大（通常达到数百万到数千万个空间积分点），直接在 GPU 上存储全空间所有轨道的波函数值会导致显存溢出。

NuDEAL 的 Algorithm 3（拓扑动态显存压缩） 机制为解决上述问题提供了一条绝佳的通路。在量子化学中，我们同样可以依据大分子链（如蛋白质长链或 DNA 螺旋结构）的局部空间紧凑性，构建物理依赖关系树（Dependency Tree）。波函数和电子密度矩阵的求解可以顺着分子键或空间切片依序推进，对空间上已经不具有静电相互作用或弱色散力（vdw）依赖的上游原子网格进行显存擦除和槽位（Slot）复用。这种将物理拓扑排序引入硬件内存控制的方法，能将量子化学大分子模拟的实际显存占用降低数倍至数个数量级，使在单一消费级 GPU 上进行数千原子级别的全量子力学高保真计算（QM）成为可能。

5.3 展望：中子-光子-电子跨谱系 GPU 模拟的科学大一统

NuDEAL 的成功开发有力地证明了，非结构有限元物理方程求解器在经历了精细的、针对数据并行的底层重构之后，完全可以释放出不亚于甚至超越大型传统 CPU 集群的惊人算力。从先进反应堆中子物理、多物理场热工液冷模拟，到微观分子尺度的量子化学电子轨道的数值求解，高性能数值计算的底层哲学已经彻底倒向了“以访存对齐为本、以细粒度并行映射为纲”的新时代。我们有理由期待，未来这类底层硬件感知（Hardware-Aware）的非结构数值计算方法将会在反应堆物理学、计算化学、凝聚态物理等多学科领域引发更广泛、更具颠覆性的理论与计算革命。