当下,随着计算机体系不断向多核异构结构发展,其计算能力也不断得到提升和突破,计算物理中大规模和高计算量的问题也有了研究的契机。蒙特卡洛法作为非常重要的一种模拟方法,对其并行算法的研究和实现具有重要意义。在此背景下,本论文依托实验室搭建的计算平台,主要研究动力学蒙特卡洛的相关并行计算算法。基于较简单的薄膜生长仿真过程,实现了算法的并行计算仿真,而后又基于更复杂的纳米基底下的嵌段共聚物自组装过程,实现了动力学蒙特卡洛并行计算方法的并行应用。详细来说,本论文的研究工作及成果包括:(1)总结了动力学蒙特卡洛算法目前存在的问题和挑战,其中传统算法单一执行性的特征是实现并行化的主要难点,进而介绍了以时间推进是否同步为区别的两种典型的并行算法思想:混合式异步算法和空事件同步算法。在结合相关文献的总结和对两种算法的伪并行实现及比较后,认为空事件同步并行算法更适合于并行计算,并展开后续研究。(2)基于薄膜生长过程,通过OpenMP指导性编译,引入周期性边界条件等方法实现了算法的并行仿真,将并行计算得到的结果与基础KMC仿真得到的结果进行了对比,验证了算法维持了过程的正确性和动态性。在对并行加速效果进行分析时,注意到了区块划分会增加蒙特卡洛时间推进步长,提出了该优化算法的加速比计算公式。在最高线程60线程的并行计算下,实际加速比能达到37左右。(3)在半导体制造陷入瓶颈,嵌段共聚物自组装技术具有替代前景的背景下,将动力学蒙特卡洛并行算法应用其仿真中,并提出通过统计均值作为不同类别状态的速率近似值的思想,来解决计算全局事件速率总和的难点。(4)同样对嵌段共聚物自组装技术实现了并行仿真,在最高线程64个线程的并行计算下,实际加速比能接近40,并提出了加权图像信息熵的概念验证了算法具有良好的动态性。最后在并行计算加速仿真的条件下,研究了不同仿真条件的改变对纳米基底诱导嵌段共聚物自组装形成的图案的影响和规律。