cuda - シミュレーション ループの GPU 使用率

Question

シミュレーション ループの利用に苦労しています。各サイクルで 3 つのカーネルが起動されます。次回のステップ サイズは、2 番目のカーネルによって計算されます。

while (time < end)
{
  kernel_Flux<<<>>>(...);
  kernel_Timestep<<<>>>(d_timestep);
  memcpy(&h_timestep, d_timestep, sizeof(float), ...);  
  kernel_Integrate<<<>>>(d_timestep);
  time += h_timestep;
}

単一のフロートをコピーするだけで済みます。不必要な同期を避ける最も効率的な方法は何ですか?

前もって感謝します。:-)