序言：
我有一个非常大的数组（一个暗淡），需要求解进化方程（类波方程）。我需要在这个数组的每个值处计算积分，存储得到的积分数组并再次对这个数组应用积分，等等（简单来说，我在值的网格上应用积分，存储这个新的网格，应用积分再次等等）。
我使用 MPI-IO 分布在所有节点上：我的磁盘上有一个共享的 .dat 文件，每个 MPI 副本读取此文件（作为集成源），执行集成并再次写入此共享文件。这个过程一次又一次地重复。它工作正常。最耗时的部分是集成，文件读写可以忽略不计。
当前问题：
现在我搬到了1024（16x64 CPU）HPC 集群，现在我面临一个相反的问题：计算时间对于读写过程来说是可以忽略的！！！
我试图减少 MPI 进程的数量：我只使用 16 个 MPI 进程（分布在节点上）+ 64 个线程和 OpenMP 来并行化每个节点内的计算。
同样，读写过程是现在最耗时的部分。
问题
我应该如何修改我的程序，以便以最小的损失利用 1024 CPU 的全部功能？
重要的一点是，如果不完成整个一维数组，我就无法进入下一步。
我的想法：
我可以要求我的 rank=0（master rank）将整个数组发送接收到所有节点（MPI_Bcast），而不是读写。因此，不是每个节点都会进行 I/O，而是只有一个节点会这样做。
提前致谢！！！