DiffEqGPU下EnsembleGPUKernel引发GPU锁死及动态函数调用问题求助

问题1：修改tspan后GPU锁死负载100% #

原因分析 #

EnsembleGPUKernel是为同构轨迹任务设计的——所有轨迹的求解区间、步长控制等参数需要保持一致。当给每个轨迹设置不同tspan时，GPU内核无法进行统一批处理优化，会引发调度混乱，导致持续高负载且无法完成任务。

解决方案 #

有两种可行处理方式：

1. 统一求解区间：取所有轨迹中最大的tend作为统一求解终点，完成求解后再根据每个轨迹的实际tend截断结果。示例修改：

   # 计算全局最大求解终点
   max_tend = maximum(new_tend)
   # 初始问题使用统一tspan
   prob = ODEProblem(sys_gpu!, init_cond, (0.0f0, max_tend), params)
   
   function prob_func(prob, i, repeat)
       # 仅修改参数p，保持tspan统一
       remake(prob, p=SVector{2}(prob.p[1], plateu_cycle_study_values[i]))
   end
   
   # 求解后截断每个轨迹的结果
   sim = solve(plateu_cycle_study_problem, GPUTsit5(), EnsembleGPUKernel(0), trajectories=amount)
   truncated_solutions = [sol[1:findlast(t->t<=new_tend[i], sol.t)] for (i,sol) in enumerate(sim)]
   

2. 切换到EnsembleGPUArray后端：若必须保留不同tspan，改用支持异构轨迹任务的EnsembleGPUArray，代价是性能略低于EnsembleGPUKernel：

   # 替换求解时的Ensemble后端
   @time sim = solve(plateu_cycle_study_problem, GPUTsit5(), EnsembleGPUArray(), trajectories=amount)
   

问题2：复数初始条件触发Dynamic function invocation错误 #

原因分析 #

DiffEqGPU的GPU内核要求所有类型静态确定，复数初始条件下，若系统函数或求解器的类型推导不明确，会触发GPU不允许的动态调用操作。

解决方案 #

1. 显式标注所有静态类型：
   • 明确指定复数类型的初始条件SVector
   • 给系统函数标注返回类型为复数SVector
   • 确保参数类型与系统输入匹配
     示例修改：

   # 复数初始条件
   f0 = 1.0f0 + 0.0f0im
   g0 = 1.0f0 + 0.0f0im
   init_cond = SVector{2, ComplexF32}(f0, g0)
   
   # 显式标注系统函数的输入输出类型
   function sys_gpu!(u::SVector{2, ComplexF32}, params::SVector{2, Float32}, t::Float32)::SVector{2, ComplexF32}
       du1 = params[1] * u[1]  # 按实际方程调整逻辑
       du2 = params[2] * u[2]
       return SVector{2, ComplexF32}(du1, du2)
   end
   

2. 验证求解器兼容性：GPUTsit5支持复数运算，但需确保所有输入类型一致。若仍有问题，可尝试GPUVern7等其他GPU求解器测试。

补充建议 #

• 建议将new_tend、plateu_cycle_study_values这类数组转为GPU数组（用CuArray()，需导入CUDA包），避免CPU-GPU数据传输瓶颈。
• 测试时先从小批量轨迹（如100条）验证修改效果，再放大到1000条。

内容的提问来源于stack exchange，提问作者derdotte