第一性原理计算在凝聚态物理学研究及新材料研发中具有重要作用,其中基于线性缀加平面波(LAPW)基组的第一性原理计算具有计算精度高、适用于对磁性材料、磁光材料模拟仿真的特点,已获得较为广泛的应用。然而由于以LAPW为波函数基组求解Kohn-Sham方程的自洽迭代过程较为复杂,其计算耗时长、计算体系规模小、需要用到价格昂贵的高性能计算机或计算集群,已成为制约相关研究与工程应用的瓶颈。图形处理器(Graphics Processing Unit,GPU)通用计算技术的出现为加速LAPW基组第一性原理计算提供了新的方向。GPU的浮点运算性能、并行能力和存储带宽都超过了同期的主流CPU,而NVIDIA公司的CUDA框架大大降低了研发人员利用GPU开发高性能计算程序的难度。本文提出了采用GPU来加速LAPW基组第一性原理计算的方法,并在该方法的基础上实现GPU加速计算程序。主要的研究工作如下:1.系统研究了 LAPW基函数计算及采用LAPW基组的第一性原理计算方法,并且对GPU通用计算的硬件架构和技术框架进行了研究。2.对LAPW方法的自洽迭代计算过程中涉及LAPW计算且计算量较大的三个关键模块进行研究,推导其数学模型及数值算法。3.在上述基础上,提出三个关键模块的GPU并行加速方法。通过核函数或线性代数库将三个关键模块的大部分计算移植到GPU上进行,并采用并行算法优化原过程,优化线程组织和内存使用策略以充分利用GPU上的计算及存储资源。4.基于CUDA框架实现了 GPU加速程序,并对加速计算程序进行测试。本文在CPU-GPU异构系统上对加速计算程序进行了实验测试,其结果表明:程序的计算结果准确可靠,并基于实验条件在不同计算精度和不同体系规模下分别达到最高为4.9倍和3.1倍的加速比。这意味着本文开发的GPU加速的LAPW基组第一性计算程序,能够在相同时间内完成更大规模的体系、或完成更高的精度的计算任务,同时具有较低的设备采购和使用成本,具有实际应用意义与应用价值。