一种用于仿真系统的基于GPU的中小型稠密矩阵的批量并行LU分解方法（高校公示15天）（不包年费滞纳金）（需要二变）

本发明针对仿真系统的小中型稠密矩阵实现一种基于GPU的高性能批量并行LU分解方法，该方法包括：S1、计算仿真系统的模型单元在每个时间步的雅可比矩阵，并将这些矩阵作为子矩阵，并拼接为大矩阵H；S2、对每个子矩阵内部分块，并按照分块的大小为每个子矩阵分配GPU线程组；S3、所述GPU线程组按照对角顺序从左上到右下，依次完成每个对角块内所有列的主元选取、对角块所在行右侧块的更新、对角块内部列与主元列交换，以及对角块所在列下方和右下方的所有分块数据更新，从而完成对大矩阵H内的所有子矩阵的LU分解。本发明能随着批量数量的增加，性能以近似线性的趋势增加，并且在隐式求解包含大批量小型常微分方程组的模型时，能够加快求解速度，有效缩短仿真时间。

《一种用于仿真系统的基于GPU的中小型稠密矩阵的批量并行LU分解方法（高校公示15天）（不包年费滞纳金）（需要二变）》是一发明专利，专利号为 2022105223392，当前法律状态为已下证，由吉林大学提出申请，发明人为张雪松;闫昭;赫枫龄;雷新丽;马琳，申请日期为2022-05-13，公开（公告）日期为2025-05-16，国际专利分类号（IPC）为 G06F 9/50 (2006.01)，高新资质：未报高企。该专利已下发证书，权利稳定，适合直接办理转让过户，是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更（过户）的一站式专利转让服务，专业顾问全程协助，确保交易合规、安全、高效。专利摘要：本发明针对仿真系统的小中型稠密矩阵实现一种基于GPU的高性能批量并行LU分解方法，该方法包括：S1、计算仿真系统的模型单元在每个时间步的雅可比矩阵，并将这些矩阵作为子矩阵，并拼接为大矩阵H；S2、对每个子矩阵内部分块，并按照分块的大小为每个子矩阵分配GPU线程组；S3、所述GPU线程组按照对角顺序从左上到右下，依次完成每个对角块内所有列的主元选取、对角块所在行右侧块的更新、对角块内部列与主元列交换，以及对角块所在列下方和右下方的所有分块数据更新，从而完成对大矩阵H内的所有子矩阵的LU分解。本发明能随着批量数量的增加，性能以近似线性的趋势增加，并且在隐式求解包含大批量小型常微分方程组的模型时，能够加快求解速度，有效缩短仿真时间。

海量优质专利即买即用，四大核心优势助您弯道超车：
🏆 拿资质，享红利：高企认定、专精特新必备！轻松获取政府补贴、税收减免，招投标直接加分！
💎 增信誉，融资金：支持实缴注册资金，彰显企业硬实力；支持专利质押贷款，盘活现金流，扩张不缺钱！
🔥 强背书，防抄袭：印上“专利产品”，客户更信赖！构建技术壁垒，把竞争对手挡在门外，稳占市场份额！
🚀 省时间，快变现：告别漫长研发与高风险！优质专利即买即用，让技术立刻变成真金白银的利润！