GPU傳統上使用於個人計算機的3D遊戲加速上，現今迅速發展，已經普遍應用於一般的科學計算。 這樣的計算型態又被稱為"Personal Super Computing" (PSC)。

Giles 博士與NAG 的專家們已經著手開發功能齊全的並行數值函數。 採用GPU 架構，相較於傳統的CPU，我們擁有非常顯著的性能。

GPU 函數說明

• The MRG32k3a pseudorandom number generator (L'Ecuyer) with streams and substreams.
• The MT19937 pseudorandom number generator (Matsumoto, Nishimura) with streams and substreams.
• A Sobol generator in up to 50,000 dimensions with digital scrambling (Hickernell).
• Uniform, Exponential and Normal distributions in single and double precision.
• GPU device function MRG and Sobol generators which can be embedded in users' GPU kernels
• A Brownian bridge constructor for up to 8 dimensional Brownian motions.
• User-configurable performance tuning and full error handling

我如何才能取得NAG 的GPU 數值​​函數原型呢？

目前NAG 的GPU 函數仍處於Beta 版。 目前此原型中已包括蒙地卡羅仿真組件：偽隨機隨機數生成器(MRG32k3a)、準隨機隨機數生成器(Sobol 至50,000 維度) 以及布朗橋。 隨機數生成提出三個輸出分佈函數（uniform、exponential 與Normal)，並同時提供單精度與雙精度函數。

獲取的資格？

我們提供免費的學術使用。 同時我們也熱切期盼與商業客戶進行GPU 函數的進一步評估與開發。

若您要取得此軟件，請填寫 相關表格 或者直接與我們 聯繫 。

正在進行中的工作

持續進行GPU 函數的開發，在NAG 數值算法庫中被選入加入至GPU 算法庫Beta 版中的函數將包含單變量與多變量分佈函數，也包含Copula 函數。

志謝

我們要感謝Technology Strategy Board (技術戰略委員會) 與Smith Institute (史密斯研究所) 的支持，以及英國工程暨物理研究委員會贊助Giles 教授的學術研究。