🔬 materials science

Electron-phonon physics at the exascale: A hybrid MPI-GPU-OpenMP framework for scalable Wannier interpolation

تقدم هذه الورقة إطار عمل هجينًا عالي الكفاءة وقابلًا للنقل يجمع بين MPI وGPU وOpenMP لكود EPW، مما يتيح حسابات فيزياء الإلكترون-فونون قابلة للتوسع على الحواسيب الفائقة بمقياس الإكساسكيل، محققًا تسريعًا يصل إلى 29 ضعفًا وحل مشكلات ضخمة كانت مستعصية سابقًا مثل شرائط نانوية من الستانين بطول 20 نانومتر.

المؤلفون الأصليون: Tae Yun Kim, Zhe Liu, Sabyasachi Tiwari, Elena R. Margine, Feliciano Giustino

نُشر 2026-03-12

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Tae Yun Kim, Zhe Liu, Sabyasachi Tiwari, Elena R. Margine, Feliciano Giustino

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

تخيل أنك تحاول التنبؤ بكيفية توصيل مادة ما للكهرباء أو الحرارة. للقيام بذلك بدقة، تحتاج إلى فهم رقصة معقدة بين الإلكترونات (الجسيمات الصغيرة التي تحمل الشحنة) والفونونات (اهتزازات في الشبكة الذرية للمادة، مثل الموجات الصوتية).

لعقود من الزمن، استخدم العلماء أداة برمجية تسمى EPW لحساب هذه الرقصة. ولكن كانت هناك مشكلة كبيرة: كانت الحسابات تشبه محاولة عد كل حبة رمل على الشاطئ يدوياً. حتى مع استخدام أسرع الحواسيب الفائقة في العالم، كانت المهمة بطيئة جداً لدرجة أنها أصبحت مستحيلة لدراسة المواد الكبيرة والمعقدة.

تقدم هذه الورقة البحثية ترقية هائلة لبرنامج EPW، حيث حولته من أداة "عدّ الرمال باليد" إلى آلة "بسرعة الأقمار الصناعية". إليك كيف فعلوا ذلك، مشروحاً ببساطة:

1. المشكلة: عنق الزجاجة "حبات الرمل"

كان الإصدار القديم من EPW (v5.9) يشبه أميناً واحداً للمكتبة، يعمل بجد شديد لمحاولة تنظيم المكتبة. كان يستخدم طريقة تسمى التوازي عبر MPI، وهي تشبه توظيف المزيد من أمناء المكتبة. ومع ذلك، كان هؤلاء الأمناء يتوقفون باستمرار للتحدث مع بعضهم البعض، أو التحقق من نفس الكتب، أو إدارة الأعمال الورقية (الإدخال/الإخراج). ومع إضافة المزيد من الأمناء، كان الوقت المستغرق في التحدث وإدارة الأوراق ينمو لدرجة أن إضافة المزيد من الأشخاص جعلت المهمة أبطأ في الواقع. لقد وصلوا إلى "حد السرعة" حيث لم يعد بإمكانهم التوسع.

2. الحل: فريق ثلاثي الطبقات (MPI-GPU-OpenMP)

يقدم الإصدار الجديد (v6.1) استراتيجية هجينة تجمع بين ثلاثة أنواع مختلفة من العمال لمعالجة المشكلة:

المديرون (صور MPI): بدلاً من مجموعة واحدة كبيرة، قاموا بتقسيم العمل إلى "صور" منفصلة (مثل فروع مختلفة للمكتبة). يتعامل كل فرع مع جزء من العمل بشكل مستقل دون الحاجة إلى التواصل المستمر مع الآخرين. هذا يلغي "عبء التحدث" (overhead).
المتخصصون (وحدات معالجة الرسومات - GPUs): الجزء الأكثر رتابة في المهمة يتضمن القيام بنفس العمليات الحسابية مراراً وتكراراً. كان النظام القديم يستخدم معالجات الكمبيوتر القياسية (CPUs) لهذا الغرض. أما النظام الجديد فيقوم بإسناد هذا العمل الشاق إلى وحدات معالجة الرسومات (GPUs).
- تشبيه: إذا كان المعالج (CPU) هو طباخ واحد يقطع الخضروات ببطء ولكن بدقة، فإن وحدة معالجة الرسومات (GPU) هي محضرة طعام صناعية ضخمة يمكنها تقطيع الآلاف من الخضروات في ثانية واحدة. لقد أدرك الكود الجديد أن "محضرة الطعام" هذه مثالية لهذه المهمة المحددة.
المساعدون (خيوط OpenMP): داخل كل فرع، وبدلاً من وجود عامل واحد يقوم بكل شيء، يستخدمون OpenMP لتقسيم المهام بين عدة نوى (cores) على نفس الجهاز. الأمر يشبه امتلاك طباخ بأربعة أذرع بدلاً من ذراعين فقط.

3. الاستراتيجية "الذكية": إعادة استخدام البيانات

الابتكار الرئيسي في هذه الورقة البحثية هو كيفية التعامل مع الذاكرة.

الطريقة القديمة: في كل مرة يحتاج فيها العامل إلى قطعة من البيانات، كان يركض إلى غرفة التخزين، يأخذها، يستخدمها، ثم يعيدها. هذا الركض ذهاباً وإياباً كان يهدر الوقت.
الطريقة الجديدة: أدرك الفريق أن "المكونات" (بيانات الشبكة الخشنة - coarse-grid data) هي نفسها في كل خطوة من خطوات الحساب. لذا، يقومون بتحميل المكونات على وحدة معالجة الرسومات (GPU) مرة واحدة في البداست، ويتركونها هناك. بعد ذلك، تقوم وحدة معالجة الرسومات بطهي الوجبة بأكملة دون مغادرة المطبخ أبداً. هذا يوفر قدراً هائلاً من الوقت.

4. النتائج: من ساعات إلى دقائق

اختبر الفريق هذا النظام الجديد على ثلاثة من أقوى الحواسيب الفائقة في العالم (Vista، Perlmutter، وAurora).

السرعة: حققوا تسارعاً بمقدار 29 ضعفاً. الحساب الذي كان يستغｒق 29 ساعة سابقاً، أصبح يستغرق ساعة واحدة فقط.
القابلية للتوسع: يعمل النظام بشكل مثالي حتى عند استخدام آلاف الحواسيب في وقت واحد. إنه يتوسع بشكل شبه مثالي، مما يعني أنه إذا ضاعفت عدد الحواسيب، فستقل مدة الوقت إلى النصف.
اختبار "المستحيل": الاختبار النهائي كان لمادة تسمى شرائط ستانين النانوية (Stanene Nanoribbons) (نوع من المواد القائمة على القصدير تستخدم في الإلكترونيات المستقبلية). كانت أكبر نسخة منها تحتوي على 98 ذرة في شريط صغير. لم يتمكن البرنامج القديم حتى من بدء هذا الحساب لأن الذاكرة المطلوبة كانت ضخمة جداً. أما البرنامج الجديد فقد حله في دقائق، كاشفاً عن فيزياء جديدة حول كيفية تدفق الكهرباء عبر هذه الأسلاك الطوبولوجية الدقيقة.

لماذا يهم هذا؟

هذا ليس مجرد جعل الكود أسرع؛ بل يتعلق بـ فتح آفاق المستقبل:

مواد جديدة: يمكن للعلماء الآن تصميم بطاريات وخلايا شمسية وحواسيب كمية أفضل من خلال محاكاة مواد كانت معقدة للغاية للدراسة سابقاً.
الذكاء الاصطناوي والبيانات الضخمة: نظرًا لأن الحسابات سريعة جدًا، يمكن للباحثين الآن توليد مجموعات بيانات ضخمة لتدريب نماذج الذكاء الاصطناعي لاكتشاف مواد جديدة تلقائياً.
جاهزية عصر الإكساسكيل (Exascale): يثبت هذا العمل أن البرنامج جاهز للجيل القادم من الحواسيب الفائقة "إكساسكيل" (الأجهزة القادرة على إجراء كوينتيليونات من العمليات الحسابية في الثانية).

باختاً مختصراً: أخذ المؤلفون عملية بطيئة وغير منظمة، ونظموا العمال بشكل أفضل، وأعطوهم أدوات فائقة السرعة (GPUs)، وعلموهم كيف يتوقفون عن إضاعة الوقت في الركض ذهاباً وإياباً. والنتيجة هي أداة يمكنها الآن حل مسائل فيزيائية كانت تعتبر سابقاً مستحيلة.

1. بيان المشكلة

يعد التفاعل بين الإلكترونات والفونونات (e-ph) أمراً جوهرياً لفهم خصائص المواد مثل الموصلية الكهربائية، والموصلية الفائقة، والامتصاص الضوئي. يتطلب حساب هذه التفاعلات تقييم عناصر مصفوفة (e-ph) ( $g_{mn\nu}(\mathbf{k}, \mathbf{q})$ ) عبر شبكات كثيفة للغاية من متجهات الموجة في منطقة بريلوين.

العائق الحسابي: تعتبر حسابات نظرية الاضطراب الوظيفي للكثافة (DFPT) المباشرة على مثل هذه الشبكات الدقيقة مكلفة للغاية بشكل لا يمكن تحمله.
القيود الحالية: النهج القياسي، وهو استكمال "وانير" (Wannier interpolation) (المطبق في كود EPW)، يقلل التكاليف ولكنه يظل متطلباً حسابياً. اعتمدت الإصدارات السابقة (EPW v5.9) على التوازي بـ MPI أحادي المستوى، ومع تحول الحواسيب الفائقة نحو بنيات "الإكساسكيل" (exascale) التي تهيمن عليها مسرعات الـ GPU، عانت مخططات MPI المتمحورة حول المعالج المركزي (CPU) من:
- التشبع المبكر في التوسع القوي (strong scaling) بسبب أعباء عمليات الإدخال/الإخراج (I/O) الخاصة بـ MPI.
- عدم القدرة على الاستفادة الكاملة من عرض نطاق الذاكرة الهائل والتوازي في معالجات الرسوميات (GPUs) الحديثة.
- عدم القدرة على التعامل مع الأنظمة الكبيرة النطاق (مثل شرائط النانو التي تحتوي على حوالي 100 ذرة) بسبب قيود الذاكرة وعدم القدرة على التوسع.

2. المنهجية

قام المؤلفون بتطوير EPW v6.1، وهو إطار عمل هجين (MPI-GPU-OpenMP) مصمم لضمان قابلية نقل الأداء عبر معالجات NVIDIA وAMD وIntel. تتضمن المنهجية ثلاث ركائز تقنية رئيسية:

أ. إعادة هيكلة الخوارزمية: تحسين الحلقة المتداخلة (Nested-Loop Optimization)

حلل المؤلفون التعقيد الحسابي لاستكمال "وانير" (المعادلة 7). وأكدوا أن خوارزمية الحلقة المتداخلة أكثر كفاءة بشكل ملحوظ من نهج الحلقة الواحدة للشبكات المنتظمة.

الاستراتيجية: يتم تقسيم الحساب إلى جزأين:
1. الحلقة الخارجية ( $\mathbf{q}$ ): تحويل فورييه (FT) عبر متجهات "ويغنر-سايس" للفونونات ( $R_p$ ) لتوليد كمية وسيطة $g_{m'n'\kappa\alpha}(\mathbf{R}_e, \mathbf{q})$ .
2. الحلقة الداخلية ( $\mathbf{k}$ ): تحويل فورييه لاحق عبر متجهات الإلكترونات ( $R_e$ ) والتدويرات الوحدوية للحصول على المصفوفة النهائية للشبكة الدقيقة $g_{mn\nu}(\mathbf{k}, \mathbf{q})$ .
تقليل التعقيد: يقلل النهج المتداخل عبء العمل الحسابي بعامل يتناسب مع $1/N_k$ (حيث $N_k$ هو عدد نقاط k)، مما يجعله مثالياً للتوازي.

ب. استراتيجية التوازي الهجين

لمعالجة حدود التوسع، قدم المؤلفون مخطط MPI ثنائي المستوى مدمجاً مع تفريغ المهام للـ GPU وتعدد الخيوط باستخدام OpenMP:

توازي الصور (الحلقة الخارجية): يتم توزيع حلقة $\mathbf{q}$ عبر "الصور" (مواصلات MPI). هذا يلغي الاتصال بين العقد أثناء خطوة الاستكمال، حيث تعمل كل صورة بشكل مستقل على مجموعة فرعية من نقاط $\mathbf{q}$ .
توازي المجمعات (الحلقة الداخلية): يتم توزيع حلقة $\mathbf{k}$ عبر "المجمعات" (pools) داخل الصورة الواحدة.
تفريغ المهام للـ GPU (GPU Offloading):
- يتم تفريغ الخطوة الأولى (تحويل فورييه عبر $R_p$ ، المعادلة 9) إلى وحدات معالجة الرسوميات باستخدام ضرب المصفوفات في المتجهات العامة (GEMV).
- رغم أن عملية GEMV مقيدة بالذاكرة، إلا أن عرض نطاق الذاكرة العالي في معالجات الرسوميات الحديثة (مثل NVIDIA A100 وIntel Max) يوفر تسريعاً كبيراً مقارنة بالمعالجات المركزية.
- يتم الاحتفاظ بالبيانات على الـ GPU طوال خطوة الاستكمال لتقليل عمليات النقل بين الـ CPU والـ GPU.
تعدد الخيوط باستخدام OpenMP: ضمن كل رتبة MPI، تقوم خيوط OpenMP بموازاة حلقة $\mathbf{k}$ ، مما يسمح لخيوط متعددة بمشاركة وحدة معالجة رسوميات واحدة وتعظيم استخدام نوى المعالج المركزي.

ج. قابلية نقل الأداء (Performance Portability)

يستخدم التنفيذ نماذج التفريغ المعتمدة على التوجيهات OpenACC وOpenMP. ومن خلال الاستفادة من المكتبات المحسنة من الشركات المصنعة (cuBLAS لـ NVIDIA، وoneMKL لـ Intel، وrocBLAS لـ AMD)، يحقق الكود تكافؤاً عددياً وأداءً عالياً عبر مختلف بنيات الأجهزة دون إعادة كتابة المنطق الأساسي.

3. المساهمات الرئيسية

أول نسخة جاهزة للإكساسكيل من EPW: نجح في نقل وحدة استكمال (e-ph) الأساسية من EPW إلى إطار عمل هجين (MPI-GPU-OpenMP)، مما مكن من إجراء حسابات على الحواسيب الفائقة من الفئة القيادية.
الكفاءة الخوارزمية: أثبت أن تفريغ عملية GEMV المقيدة بالذاكرة (المعادلة 9) إلى وحدات معالجة الرسوميات فعال للغاية عند دمجه مع مخطط MPI ثنائي المستوى الذي يلغي اختناقات الإدخال/الإخراج.
القابلية للتوسع: حقق توسعاً قوياً (strong scaling) مثالياً تقريباً حتى 1,024 عقدة GPU (6,144 وحدة GPU) على حاسوب Aurora الخارق.
إدارة الذاكرة: طور استراتيجية للتعامل مع مصفوفات (e-ph) ذات الشبكة الخشنة التي تتجاوز ذاكرة الـ GPU الواحدة عن طريق توزيع البيانات عبر المجمعات مع الحفاظ على نسخة كاملة عبر الصور، مما يتيح دراسة أنظمة تحتوي على مئات الذرات.

4. النتائج

اختبر المؤلفون الإطار الجديد على ثلاثة حواسيب فائقة: Perlmutter (NVIDIA)، وVista (NVIDIA)، وAurora (Intel).

التسريع: مقارنة بـ EPW v5.9 (MPI أحادي)، حقق EPW v6.1 تسريعاً يتراوح بين 19 إلى 29 ضعفاً في العقد الواحدة.
- حقق EPW v6.0 (MPI ثنائي المستوى فقط) تسريعاً قدره 3.1–4.7 ضعفاً.
- وفر EPW v6.1 (بإضافة GPU + OpenMP) تسريعاً إضافياً قدره 5.3–6.3 ضعفاً.
القابلية للتوسع:
- النطاق المتوسط (32 عقدة): تحقيق توسع خطي شبه مثالي لاستكمال (e-ph).
- النطاق الكبير (1,024 عقدة): حافظ الإطار على كفاءة عالية، حيث أتم الحسابات واسعة النطاق في أقل من 5 دقائق.
التطبيق واسع النطاق: تم تطبيق الإطار على شرائط نانو ستانين (ZSNRs) ذات نمط زيجزاج المغطاة بالهيدروجين بعرض يصل إلى 19.4 نانومتر (98 ذرة لكل وحدة خلية).
- لم تتمكن التنفيذات السابقة من التعامل مع مصفوفة الشبكة الخشنة البالغة 458 جيجابايت المطلوبة لأعرض شريط.
- نجح EPW v6.1 في حساب خصائص النقل المحدودة بالفونونات، كاشفاً عن انتقال من سلوك معدني إلى سلوك يعتمد على درجة الحرارة بشكل غير بديهي مدفوع بالحالات الحافة الطوبولوجية.

5. الأهمية

تمكين فيزياء الإكساسكيل: يزيل هذا العمل الحاجز الحسابي الذي كان يمنع دراسة تفاعلات الإلكترون-فونون في الأنظمة المعقدة واسعة النطاق (مثل المواد الطوبولوجية، والعيوب، والواجهات) والتي كانت غير قابلة للحل سابقاً.
حيادية الأجهزة: يضمن استخدام التفريغ القائم على التوجيهات أن يكون الكود مستقبلياً، وقادراً على العمل بكفاءة عبر بنيات متنوعة (NVIDIA، Intel، AMD).
الأثر العلمي: يثبت التطبيق الناجح لشرائط نانو الستانين القدرة على ربط البنية الإلكترونية المجهرية (الحالات الحافة الطوبولوجية) بخصائص النقل العيانية بدقة عالية.
مورد للمجتمع: تم إصدار الكود (EPW v6.1) تحت رخصة GNU GPL، وهو متاح فوراً للمجتمع لإجراء عمليات المسح عالي الإنتاجية وتوليد مجموعات بيانات الذكاء الاصطناعي وتعلم الآلة للإلكترونيات من الجيل التالي والتقنيات الكمومية.

باخت#تام، يمثل هذا البحث تقدماً حاسماً في الفيزياء الحسابية للمادة المكثفة، حيث حول حسابات الإلكترون-فونون من عائق متمحور حول المعالج المركزي إلى سير عمل عالي التوسع ومعزز بمعالجات الرسوميات، قادر على الاستفادة من كامل قوة الحواسيب الفائقة الحديثة من فئة الإكساسكيل.