为什么 GPU 能够极大地提高仿真速度？

这里的提速主要是针对时域电磁算法的。因为时域算法的蛙跳推进模式仅对大量存放在固定 位置的数据进行完全相同的且是简单的操作（移位相加），这正是 GPU 这类众核 SIMD 架构所进行的运算，即 ALU 与内存的存取速度（又称带宽）直接决定了整个运算速度。

下表给出了 GPU 与高速 CPU 数据总线的带宽比较，显然 GPU 的内存带宽远比 CPU 要高。这就是 GPU 在时域仿真中能够极大地提速的根源。

GPU 和内存	Tesla K10	Tesla K20X	Tesla K40m/c	Quadro K6000	DDR3-1333MHz 内存
GPU 内存	4GB	6GB	12GB	12GB	—
GPU 核数	1536	2688	2880	2880	—
内存带宽	160GB/s	250GB/s	288GB/s	288GB/s	32GB/s
双精度速度	0.19TFlops	1.31TFlops	1.43TFlops	1.43TFlops	—