🔢 mathematics

A Lock-Free, Fully GPU-Resident Architecture for the Verification of Goldbach's Conjecture

تقدم هذه الورقة بنية هندسية متعددة وحدات معالجة الرسومات، مقيمة بالكامل داخل الجهاز، تحقق اتصالاً يقترب من الصفر بين المضيف والجهاز وكفاءة توازي بنسبة 99.7% من خلال سرقة العمل الخالية من الأقفال والتبليط المحسن للذاكرة المشتركة، مما يتيح التحقق من حدسية غولدباخ حتى $10^{13}$ في 133.5 ثانية فقط على نظام مكون من أربع وحدات معالجة رسومات مع تسريع قدره 45.6× مقارنة بالطرق السابقة.

المؤلفون الأصليون: Isaac Llorente-Saguer

نُشر 2026-03-10

📖 5 دقيقة قراءة🧠 قراءة متعمّقة

CC BY 4.0

المؤلفون الأصليون: Isaac Llorente-Saguer

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

إليك شرح الورقة البحثية، مترجماً من "اللغة الأكاديمية" إلى لغة يومية بسيطة باستخدام التشبيهات.

الصورة الكبيرة: ما الذي يحاولون فعله؟

تخيل مكتبة ضخمة لا نهائية حيث يمثل كل كتاب عدداً زوجياً (4، 6، 8، 10، إلخ). تدعي معضلة رياضية شهيرة تسمى "حدسية غولدباخ" (Goldbach's Conjecture) أن كل كتاب من هذه الكتب يمكن فتحه لتجد فيه صفحتين من "الأعداد الأولية" مجموعُهما يساوي رقم الكتاب.

على سبيل المثال:

الكتاب رقم 10 = الصفحة 3 + الصفحة 7 (كلاهما عدد أولي).
الكتاب رقم 100 = الصفحة 3 + الصفحة 97.

لقد تحقق الرياضيون من هذه الأرقام حتى أرقام ضخمة جداً، لكنهم يريدون الذهاب إلى أبعد من ذلك. المشكلة هي أن فحص هذه الأرقام واحداً تلو الآخر يستغرق وقتاً طويلاً جداً. تتعلق هذه الورقة ببناء مصنع فائق السرعة وآلي لفحص هذه الكتب بأسرع ما يمكن.

المصنع القديم (الإصدار 1.0): مشكلة "سير النقل"

في عمل المؤلف السابق، قام ببناء مصنع باستخدام رقائق كمبيوتر قوية تسمى GPUs (وهي عقول أجهزة ألعاب الفيديو والذكاء الاصطناعي).

الإعداد: كان الـ GPU هو العامل فائق السرعة، بينما كان الـ CPU (العقل الرئيسي للكمبيوتر) هو المدير.
عنق الزجاجة: كان على المدير (CPU) أن يكتب قائمة بـ "الأعداد الأولية" لكل دفعة من الكتب، ثم يسلمها للعامل (GPU)، وينتظر حتى ينتهي العامل، ثم يأخذ القائمة مرة أخرى، ويكتب قائمة جديدة ويسلمها وهكذا.
التشبيه: تخيل سيارة سباق "فورمولا 1" يمكنها القيادة بسرعة 200 ميل في الساعة. ولكن، في كل مرة تنهي فيها لفة، يجب عليها التوقف في منطقة الصيانة، لتنتظر الميكانيكي (CPU) ليغير الإطارات، ثم تنتظر الميكانيكي ليسلمها خريطة جديدة. على الرغم من أن السيارة سريعة، إلا أنها تقضي 90% من وقتها جالسة في منطقة الصيانة بانتظار الميكانيكي. إضافة المزيد من سيارات السباق لم يساعد لأن الميكانيكي كان هو الجزء البطيء، وليس السيارات.

المصنع الجديد (الإصدار 2.0): ثورة "القيادة الذاتية"

تقدم هذه الورقة الجديدة مصنعاً أعيد تصميمه بالكامل حيث لا ينتظر العمال المدير بعد الآن.

1. العامل "المستقل بذاته" (الغربلة الأصلية للـ GPU)

بدلاً من قيام المدير بتسليم قائمة بالأعداد الأولية، أصبح لدى العمال الآن دفتر ملاحظات صغير فائق السرعة (يسمى L1 Shared Memory) مدمج مباشرة في مساحة عملهم.

التغيير: يمكن للعامل الآن كتابة قائمته الخاصة من الأعداد الأولية، وفحص الكتب، والانتقال إلى الدفعة التالية فوراً.
النتيجة: اختفت "وقفة الصيانة". سيارة السباق لا تتوقف أبداً؛ إنها تقود فقط. جعل هذا العملية أسرع بـ 45 مرة مما كانت عليه من قبل.

2. طابور العمل "الحر" (سرقة العمل بدون قيود)

في النظام القديم، كان المدير يخصص دفعات محددة لعمال محددين. إذا كان أحد العمال أبطأ قليلاً (رب Maybe لأن قهوته كانت باردة، أو شريحته أقدم قليلاً)، كان على المصنع بأكمله الانتظار من أجله.

النظام الجديد: تخيل كومة من الكتب غير المرتبة في منتصف الغرفة. أي عامل ينهي مهمته الحالية يقوم ببساطة بأخذ الدفعة التالية المتاحة. إذا كان العامل سريعاً، فسيأخذ المزيد. وإذا كان بطيئاً، فسيأخذ أقل.
النتيجة: لا أحد يقف دون عمل بانتظار الآخرين. النظام يوازن نفسه تلقائياً. تُظهر الورقة أنه مع وجود 4 عمال، يعمل المصنع بكفاءة 98.6% (كفاءة شبه مثالية).

3. "شبكة الأمان" (حواجز التجاوز)

عندما تعد أرقاماً تصل إلى $10^{19}$ (أي 1 متبوع بـ 19 صفراً!)، يمكن للحسابات الحاسوبية العادية أن ترتبك وتعود للصفر، تماماً مثل عداد المسافات في السيارة الذي يعود من 999,999 إلى 000,000.

الحل: بنى المؤلف "أحزمة أمان رياضية" صارمة. إذا أصبحت الأرقام كبيرة جداً على الحسابات القياسية للكمبيوتر، ينتقل النظام إلى وضع خاص "128-bit" لضمان أن العد لا يكذب أبداً. لقد أثبتوا أن النظام آمن حتى سقف معين وهو ( $1.84 \times 10^{19}$ ).

النتائج: ما مدى سرعتها؟

اختبر المؤلف هذا النظام الجديد على أحدث وأقوى بطاقات الرسوميات (NVIDIA RTX 5090s).

الطريقة القديمة: فحص الأرقام حتى $10^{10}$ استغرق وقتاً طويلاً.
الطريقة الجديدة: تقوم بنفس المهمة أسرع بـ 45 مرة.
الرقم القياسي:
- بطاقة واحدة من الحواسيب الفائقة فحصت حتى تريليون ( $10^{12}$ ) في 36 ثانية فقط.
- أربع بطاقات تعمل معاً فحصت حتى 10 تريليونات ( $10^{13}$ ) في دقيقتين و13 ثانية فقط.

لماذا يهم هذا الأمر؟

إنه مفتوح المصدر: المؤلف لم يحتفظ بالسر لنفسه. يمكن لأي شخص لديه جهاز كمبيوتر للألعاب يمكنه تحميل الكود وتشغيل هذه الفحوصات.
إنه يحل مشكلة في الأجهزة (Hardware): يثبت هذا أنك لا تحتاج إلى كمبيوتر خارق بمليون دولار للقيام بعمليات حسابية ضخمة؛ بل تحتاج فقط إلى منع الكمبيوتر من انتظار نفسه.
إنه خطوة للأمام: رغم أنهم لم "يثبتوا" حدسية غولدباخ (فهذا إثبات رياضي وليس مجرد فحص)، إلا أنهم دفعوا حدود ما يمكننا "التحقق منه" إلى مستويات غير مسبوقة، مما يمنح الرياضيين ثقة أكبر في أن القاعدة صحيحة.

ملخص التشبيه

تخيل أنك تحاول طلاء جدار ضخم.

الإصدار 1: لديك فريق من الدهانين، ولكن يجب على شخص واحد أن يركض ذهاباً وإياباً إلى مخزن المستلوقات للحصول على الطلاء لكل ضربة فرشاة. الدهانون سريعون، لكن الشخص الذي يركض للمخزن بطيء.
الإصدار 2: أعطيت كل دهان مخزوناً شخصياً لا نهائياً من الطلاء في جيبه مباشرة. كما أن لديهم نظاماً حيث يأخذون أي جزء فارغ من الجدار بمجرد أن يصبحوا متاحين.
النتيجة: يتم طلاء الجدار في جزء بسيط من الوقت، وإضافة المزيد من الدهانين يجعل الأمر يحدث فرقاً حقيقياً لأن لا أحد ينتظر عند مخزن المستلزمات.

ملخص تقني لورقة بحثية بعنوان: "بنية خالية من الأقفال، ومستقرة تماماً داخل وحدة معالجة الرسومات (GPU)، للتحقق من حدسية غولدباخ"

1. بيان المشكلة

تنص حدسية غولدباخ على أن كل عدد زوجي أكبر من 2 هو مجموع عددين أوليين. وبينما تم التحقق منها حتى $4 \times 10^{18}$ باستخدام مجموعات موزعة من وحدات المعالجة المركزية (CPU)، فإن توسيع نطاق هذا التحقق يتطلب التغلب على اختناقات حوسبية كبيرة.

نجح عمل المؤلف السابق (GoldbachGPU v1) في معالجة قيود ذاكرة الوصول العشوائي للفيديو (VRAM) باستخدام غربال مجزأ (segmented sieve)، مما قلل من بصمة الذاكرة إلى ثابت قدره 14 ميجابايت. ومع ذلك، قدمت هذه البنية اختناقاً حرجاً جديداً: زمن انتقال الإدخال/الإخراج بين المضيف والجهاز (Host-Device I/O Latency).

في الإصدار الأول (v1)، كان المعالج المركزي (CPU) يقوم ببناء مجموعة بتات الأعداد الأولية (prime bitset) لكل جزء، ثم ينقلها إلى وحدة معالجة الرسومات عبر منفذ PCIe.
في وحدات معالجة الرسومات الحديثة ذات النطاق الترددي العالي، كانت نواة التحقق (verification kernel) تكتمل في أجزاء من الملي ثانية، مما يترك وحدة معالجة الرسومات في حالة خمول أثناء انتظار المعالج المركزي لتجهيز الجزء التالي.
جعل هذا النظام مقيداً بـ I/O (I/O-bound) بدلاً من أن يكون مقيداً بالحوسبة، مما منع التوسع الفعال عبر وحدات معالجة رسومات متعددة (على سبيل المثال، لم يؤدِ إضافة وحدة معالجة رسومات ثانية إلى أي تسريع).

2. المنهجية: GoldbachGPU v2.0

تقترح الورقة البحثية بنية خالية من الأقفال (lock-free) ومستقرة تماماً داخل الجهاز، تلغي دور المعالج المركزي من المسار الحرج للتحقق. تم تصميم النظام للمجموعات غير المتجانسة من وحدات معالج الرسوميات المتعددة.

أ. غربلة الأجزاء الأصلية داخل وحدة معالجة الرسومات (L1 Shared Memory)

بدلاً من قيام المعالج المركزي بتوليد مجموعات بتات الأجزاء، تم نقل عملية توليد الغربال بالكامل إلى وحدة معالجة الرسومات:

الغربلة المبلطة (Tiled Sieve): تُقسم الأجزاء إلى بلاطات (tiles) مكونة من 32,768 عدداً فردياً (مجموعات بتات بحجم 4 كيلوبايت).
تحسين L1: يتم تحميل هذه البلاطات مباشرة في ذاكرة L1 المشتركة لوحدة معالجة الرسومات (48 كيلوبايت لكل SM في معماريات Ada/Blackwell).
العملية: تعمل خيوط (threads) وحدة معالجة الرسومات بشكل تعاوني لغربلة البلاطات باستخدام مصفوفة ثابتة للقراءة فقط من الأعداد الأولية الأساسية. يتم بعد ذلك دفع النتائج إلى ذاكرة VRAM العالمية.
الأثر: يلغي هذا عملية نقل 14 ميجابايت عبر PCIe لكل جزء. الآن، يقوم المضيف فقط بنقل دفعة ثابتة تبلغ حوالي 628 كيلوبايت من الأعداد الأولية الصغيرة ويتلقى نتيجة بحجم 4 بايت.

ب. مجمع سرقة العمل غير المقيد (Lock-Free Asynchronous Work-Stealing Pool)

لتعظيم كفاءة تعدد وحدات معالجة الرسومات، يستبدل النظام تقسيم العمل الاستاتيكي بنهج ديناميكي خالٍ من الأقفال:

المطالبة الذرية (Atomic Claiming): يتتبع عداد ذري واحد بقدر 64 بت (g_next_seg_start) في ذاكرة المضيف الجزء التالي الذي يجب معالجته.
سرقة العمل (Work-Stealing): يقوم كل خيط عامل في وحدة معالجة الرسومات (خيط واحد لكل وحدة معالجة رسومات فيزيائية) بإجراء عملية fetch_add ذرية للمطالبة بالجزء التالي.
الفوائد: يوازن هذا تلقائياً عبء العمل عبر وحدات معالجة الرسومات ذات الأداء المتفاوت (بسبب الاختناق الحراري أو تباين السيليكون) ويحقق استفادة تقترب من 100% من قدرة الجهاز دون حدوث تنازع (contention) على المزامنة.

ج. المسار السريع لنسخ الصفر (Zero-Copy Fast Path) والاحتياطي للمرحلة الثانية

المرحلة الأولى (وحدة معالجة الرسومات): تتحقق وحدة معالجة الرسومات مما إذا كان $n = p + q$ للأعداد الأولية المرشحة حيث $p \le 10^6$ .
الاختزال (Reduction): تقوم نواة داخل الجهاز بعدّ الأعداد "غير المتحقق منها".
المسار السريع: إذا كان العدد صفراً (وهو ما يحدث لجميع النطاقات المختبرة)، تكون النتيجة عبارة عن قيمة عددية (scalar) بحجم 4 بايت. لا يتم نقل بيانات كبيرة.
المرحلة الثانية (احتياطي المعالج المركزي): إذا وجدت أعداد غير متحقق منها، يتم إجراء نقل عبر PCIe، ويقوم المعالج المركزي بحلها باستخدام مصفوفة أعداد أولية معدة مسبقاً واختبار ميلر-رابين الحتمي بقدر 128 بت. في الواقع، لا يتم استدعاء هذه المرحلة لـ $N \le 10^{13}$ .

د. السلامة والضبط الرياضي

حواجز تجاوز السعة (Overflow Guards): تمنع الحواجز القائمة على القسمة الصارمة تجاوز سعة الأعداد الصحيحة 64 بت أثناء حسابات الغربال (مثل حسابات $p^2$ ).
العدد الأولي الحتمي: يستخدم النظام اختبار ميلر-رابين الحتمي بـ 12 شاهدًا، وهو مثبت الصحة لجميع قيم $n < 2^{64}$ .
الحد الأعلى: الإطار الرياضي سليم حتى $1.84 \times 10^{19}$ (حوالي $2^{63.8}$ ). بعد ذلك، ستتجاوز نواتج الضرب الوسيطة سعة 128 بت، ولن تنطبق مجموعة الشهود (witness set) المضمونة.

3. المساهمات الرئيسية

إزالة اختناق المضيف والجهاز: من خلال نقل توليد الغربال إلى ذاكرة L1 المشتركة لوحدة معالجة الرسومات، تحولت البنية من نظام مقيد بـ I/O إلى نظام مقيد بالحوسبة، مما سمح بتوسع حقيقي لوحدات معالجة الرسومات المتعددة.
التوسع الخالي من الأقفال لتعدد وحدات معالجة الرسومات: تقديم مجمع سرقة عمل ذري حقق كفاءة توازي تزيد عن 98% عبر 4 وحدات معالجة رسومات، متجاوزاً مشكلة "المتلكئ" (straggler) المتأصلة في التقسيم الاستاتيكي.
التسريع الخوارزمي: تحقيق تسريع قدره 45.6 ضعفاً مقارنة بالإصدار السابق المرتبط بالمضيف عند $N=10^{10}$ على نفس الأجهزة.
la التحقق القياسي: التحقق من حدسية غولدباخ حتى $10^{13}$ في 133.5 ثانية باستخدام نظام مكون من 4 وحدات معالجة رسومات (RTX 5090).
قابلية إعادة الإنتاج مفتوحة المصدر: توفر الكود بالكامل مع دعم واجهة سطر الأوامر (CLI) لتقسيم النطاقات بمرونة عبر العقد الموزعة.

4. النتائج

أُجريت التجارب على وحدات معالجة الرسومات NVIDIA RTX 5090 (معمارية Blackwell) باستخدام CUDA 12.8.1.

أداء وحدة معالجة الرسومات الواحدة:
- التحقق من $10^{12}$ في 36.5 ثانية.
- التحقق من $10^{13}$ في 365 ثانية (بناءً على استقراء بيانات التوسع، علماً أن تشغيل 4 وحدات معالجة رسومات الفعلي استغرق 133.5 ثانية لـ $10^{13}$ ).
التوسع متعدد وحدات معالجة الرسومات (عند $N = 2 \times 10^{12}$ ):
- 1 وحدة معالجة رسومات: 80.87 ثانية
- 2 وحدة معالجة رسومات: 40.55 ثانية (كفاءة توازي 99.7%)
- 4 وحدات معالجة رسومات: 20.51 ثانية (كفاءة توازي 98.6%)
تكلفة الاتصال (Communication Overhead):
- نقل المضيف إلى الجهاز: ~0.628 ميجابايت لكل جزء (ثابت).
- نقل الجهاز إلى المضيف: ~4 بايت لكل جزء (قيمة عددية).
- إجمالي حركة مرور البيانات من الجهاز إلى المضيف (D2H) طوال التشغيل: 20 كيلوبايت.
الاستقرار الحراري: أظهر تحليل الأداء الحد الأدنى من الاختناق في التردد (أقل من 1.0%) حتى أثناء عمليات التشغيل الطويلة لوحدة معالجة الرسومات الواحدة، كما أن عمليات تشغيل 4 وحدات معالجة رسومات اكتملت بسرعة كافية لتجنب التراكم الحراري الكبير.

5. الأهمية

يمثل هذا العمل تحولاً جذرياً في التحقق من نظرية الأعداد الحسابية على وحدات معالجة الرسومات:

النضج الهيكلي: يثبت أن وحدات معالجة الرسومات يمكن أن تكون مكتفية ذاتياً بالكامل لعمليات الغربال المعقدة، مما يزيل الاعتماد على تنسيق المعالج المركزي الذي كان يحد من التوسع سابقاً.
القابلية للتوسع: يثبت التصميم الخالي من الأقفال أن مجموعات وحدات معالği الرسومات غير المتجانسة يمكن أن تحقق توسعاً خطياً تقريباً لهذا النوع من المشكلات، وهو أمر كان بعيد المنال سابقاً بسبب زمن انتقال PCIe.
الآفاق المستقبلية: من خلال دفع حد التحقق إلى $10^{13}$ في دقائق (مقارنة بسنوات في مجموعات المعالجات المركزية) وتحديد سقف السلامة عند $1.84 \times 10^{19}$ ، يضع الإطار معياراً جديداً للتحقق التجريبي.
القابلية للتوسع: يسمح التصميم النمطي (عبر أمر --start في CLI) بالتوزيع السهل عبر مجموعات الحوسبة عالية الأداء (HPC)، وتوضح الورقة مسارات واضحة للعمل المستقبلي، مثل نوى العلامات المجمعة (bitwise bulk-marking) وحسابات 256 بت لكسر حاجز $2^{64}$ .

باختصار، نجحت الورقة البحثية في تحويل التحقق من حدسية غولدباخ من مهمة مقيدة بالمعالج المركزي ومقيدة بـ I/O إلى عملية حوسبة عالية الكفاءة ومستقرة تماماً داخل وحدة معالجة الرسومات، محققة تسريعاً هائلاً وكفاءة توازي تقترب من المثالية.