设备功能内的高性能CUDA均匀浮点随机数发生器

Question

我需要一个高性能的随机数生成器，用于粒子传输的蒙特卡罗计算。要求是：

1. 由每个帖子独立生成

2. 发电机的周期应大于2 ^ 40

我尝试过Tausworthe generator（计算数学，65,213（1996），203-213），其周期为2 ^ 88。设备功能如下：

__device__ float GenerateRNF(unsigned int *seed, int seedNum=3)
{
    unsigned int s1 = seed[0];
    unsigned int s2 = seed[1];
    unsigned int s3 = seed[2];
    unsigned int b = (((s1 << 13)^s1) >> 19);
    s1 = (((s1 & 0xFFFFFFFE) << 12)^b);
    b = (((s2 << 2) ^ s2) >> 25);
    s2 = (((s2 & 0xFFFFFFF8) << 4) ^ b);
    b = (((s2 << 3) ^ s3) >> 11);
    s3 = (((s3 & 0xFFFFFFF0) << 17) ^ b);
    return ((s1 ^ s2 ^ s3) * 2.32830644e-10f);
}

来自种子的参数应该是寄存器号，并且该函数由一个线程调用数百次。 每个线程都拥有它自己的种子序列。如果块大小为64，线程数为1024，则在主机中初始化的初始种子数将为1024 * 64 * 3.

但是，上面的发电机仍然很慢。我尝试过park-miller算法，与Tausworthe发生器相比，速度提高了几倍（在GTX1070中使用CUDA双乘操作测试）

然而，它的周期远小于2 ^ 40。

我的问题是，是否有随机数发生器，其周期优于park-miller算法，但它的速度比Tausworthe发生器好几倍？功能形式仅限于上述样本。非常感谢！