计算流体力学（Computational Fluid Dynamics,CFD）是一门使用计算机技术来研究数学、流体力学的交叉学科,液滴运动变形数值模拟是计算流体力学仿真模拟的重要应用领域。在不同流场的相互作用下,液滴形态在计算机中的描述与跟踪具有较高的时间复杂度,亟需利用加速器实现高效的并行模拟计算。深度计算单元（Deep Compute Unit,DCU）是我国自主研发的类GPU（Graphic Processing Unit）加速器件,内部众多的计算单元使其更适合处理大规模数据密集型计算,现已部署于众多异构超算平台上。针对国产DCU平台缺少CFD算法的异构实现,以及异构液滴模拟相关文献中缺少根据具体加速器硬件特性对算法进行通信、访存方式优化的问题,本文面向CPU+DCU异构体系对液滴变形模拟并行技术展开研究。论文的主要工作及贡献如下:（1）设计实现了液滴运动变形数值模拟在CPU的串行C版本,将浸没边界法（Immersed Boundary Methods,IBM）用于不可压缩和不可混溶Navier-Stokes方程控制的两相流计算,使用有限差分法离散控制方程,通过静态分析得出整个程序中最耗时部分为压力泊松方程的计算,同时确定程序的可并行性,为模拟在DCU平台的移植提供了基础。（2）在单DCU上实现并优化异构的液滴变形模拟,遵循HIP（Heterogeneous-compute Interface for Portability）异构编程模型,结合算法原理以及DCU加速器硬件体系架构的特性,将泊松方程经过有限差分处理为线性方程组,进而将此方程组作为数值线性代数问题进行异构计算,初步实现了CPU+单DCU的异构液滴变形模拟;在异构版本基础上优化数据访存方式,通过使用常量内存、寄存器和片上高速存储空间（Local Data Share）解决数值模拟过程中数据冗余访存、内存占用过高、运行效率低下的问题,实现异构版本在单DCU上的进一步优化。（3）实现了多DCU上的高精度异构液滴变形模拟,由于模拟精细度提高后数据规模成倍提升,单DCU的峰值性能难以满足高带宽和高算力的计算需求;为了解决高精度下液滴变形模拟的计算效率问题,利用MPI+HIP-C的混合编程模式实现主机端到多设备端的数据传输和任务执行的并发,完成了多DCU上的异构液滴变形模拟,充分利用了本平台节点内多个DCU的硬件特性获得效率的进一步提升。实验结果表明,单DCU上并行实现后程序相较于CPU串行取得1.96的加速比,单DCU上优化后相较于CPU串行效率取得了2.34的加速比,使用4个DCU优化后相较于单DCU上优化后的结果取得了2.41倍的加速比,证明了CPU+DCU异构体系对于液滴变形模拟实现的可行性及高效性,提高了两相流中液滴变形模拟的执行效率,扩充了国产DCU平台的应用生态,为其他CFD液滴模拟相关工作在该平台上的实现及优化工作提供了参考。