我是 CUDA 的新手，目前正在优化现有的分子动力学应用程序。它的作用是使用带有坐标的 double4 数组并根据邻居列表计算力。我用以下几行编写了一个内核：
double4 mPos=d_arr_xyz[gid];
while(-1!=(id=d_neib_list[gid*MAX_NEIGHBORS+i])){
Calc(gid,mPos,AA,d_arr_xyz,id);i++;
}
然后 Calc 采用 d_arr_xyz[id] 并计算力。这会在每次调用 Calc 时读取 1 次 double4 + 65 次读取 (int +double4)（65 是每个粒子在 d_neib_list 中的平均邻居数（不等于 -1））。
是否有可能减少这些读取？不同粒子的邻居列表，即 d_arr_xyz[gid] 和 d_arr_xyz[id] 不相关，因此我不能将共享内存用于线程块来缓存 d_arr_xyz。
我看到的是，如果以某种方式在一个或几个大型事务中将整个列表 int*MAX_NEIGHBORS 加载到共享内存中，这将删除 65 个单独的 int 读取。
所以问题是：是否有可能这样做，以便将这 65 次 int 读取转换为几个大事务。我在文档中读到读取的长度甚至可以是 128 个字节。我到底应该写什么以便汇编程序进行 1 次大调用？
更新：
谢谢您的回复。从下面用户 talonmies 的答案中，我更改了替换邻居矩阵的维度 x 和 y 的代码。现在连续线程加载连续的 int[gid]，我猜这可能会导致 128 字节的读取。该程序的运行速度提高了 8%。