该论文针对后量子密码学（PQC）中基于学习错误（LWE）问题的密钥封装机制（KEM）计算密集的挑战，提出了一种利用OpenACC在GPU上加速LWE-KEM的方法。Shor算法表明，大规模量子计算机将威胁基于整数分解和离散对数的传统非对称密码，因此PQC成为研究热点。LWE问题作为PQC的核心难题之一，其计算开销远大于经典密码方案。研究者实现了一个基于标准LWE的KEM，并使用OpenACC指令将其并行化以在NVIDIA GPU上运行。实验评估了裸机和容器化执行环境下多种NVIDIA GPU型号（包括Grace Hopper Superchip）的性能，以时间开销和能耗为指标。结果表明，在所有测试GPU上均获得显著加速：在NVIDIA Grace Hopper Superchip上相比多线程CPU基准实现最高加速208倍，并能够执行因内存和同步限制在CPU架构上不可行的大问题规模。能耗分析显示，Grace Hopper Superchip相比配备x86 CPU和NVIDIA H100 GPU的系统能效提升约2倍。该工作证明了GPU加速对于计算密集的LWE密码工作负载的有效性，为PQC的实际部署提供了高性能计算方案。