近年来,随着GPU等加速器不断发展,基于加速器的异构计算正逐渐成为高性能计算的主流。然而集群架构越来越复杂,同一应用,运行在不同体系架构上往往需要开发多个版本,这给代码的开发和维护都带来了很大的挑战。OpenACC是基于指令的并行编程模型,为应用在多种平台上（包括GPU,x86多核处理器）提供了可移植性。GTC-P是基于particle-in-cell（PIC）算法,模拟粒子和等离子通过托卡马克装置时运动的科学应用。由于其极佳的可扩展性,GTC-P现已在Top500排名前10的6台超级计算机上进行了性能测试^[1],还入选了美国能源部下属的NERSC国家超算中心的基准测试集^[2]。我们在原有的OpenMP版本GTC-P基础上,使用OpenACC移植和优化GTC-P,并在多平台、大规模节点上进行测试分析。通过移植和一系列优化工作,包括数据局部性优化,线程映射优化和CUDA局部代码优化等工作,我们在单节点上实现了4.2倍加速。我们仅仅用了300行左右的OpenACC指导语句,就实现了CUDA代码90%以上的性能。而在大规模节点测试中,我们在Titan上4096个计算节点进行了拓展性实验,并对实验结果展开了分析。本研究主要贡献如下:首先,我们首次通过OpenACC完成GTC-P的移植和优化工作。通过数据局部性、线程映射等优化手段,OpenACC单节点实现了4.2倍加速。我们发现OpenACC的原子操作对性能影响很大,针对GPU和x86多核,我们分别提出了两种不同的优化手段减小原子操作影响。其次,据我们所知,这是首次在大规模节点上对OpenACC移植的实际应用进行测试分析。我们对算法进行了调整,通过重复计算减少GPU内存使用,从而使模拟的问题规模进一步增大。我们在Titan上超过4000个计算节点对OpenACC的性能进行了测试,实验结果显示,在大规模节点上,OpenACC实现了和CUDA基本一致的拓展性。