🔬 physics

Implementation of the multigrid Gaussian-Plane-Wave algorithm with GPU acceleration in PySCF

تقدم هذه الورقة خوارزمية ملاءمة كثافة ذات مستويات متعددة (multigrid) تعتمد على الموجات المستوية-المستوية (Gaussian-Plane-Wave) ومعززة بوحدات معالجة الرسومات، تم تنفيذها في وحدة GPU4PySCF التابعة لـ PySCF، والتي تحقق تسارعاً يصل إلى 25 ضعفاً مقارنة بتنفيذات وحدة المعالجة المركزية لحسابات نظرية الكثافة الوظيفية لكوهن-شام واسعة النطاق، مع الحفاظ على كفاءة عالية للوظائف ذات الزخم الزاوي العالي.

المؤلفون الأصليون: Rui Li, Xing Zhang, Qiming Sun, Yuanheng Wang, Junjie Yang, Garnet Kin-Lic Chan

نُشر 2026-03-27

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Rui Li, Xing Zhang, Qiming Sun, Yuanheng Wang, Junjie Yang, Garnet Kin-Lic Chan

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 رسم لوحة جدارية ضخمة وتفصيلية للغاية لمدينة ما. وللقيام بذلك، تحتاج إلى حساب كيفية انعكاس الضوء عن كل طوبة، وكل نافذة، وكل ورقة شجر على كل مبنى. في عالم الكيمياء، هذه "اللوحة الجدارية" هي جزيء أو بلورة، و"الضوء" هو سلوك الإلكترونات.

تصف هذه الورقة البحثية طريقة جديدة فائقة السرعة لإجراء هذه الحسابات باستخدام وحدات معالجة الرسومات (GPUs) (وهي رقائق الرسومات القوية الموجودة في أجهزة الكمبيوتر المخصصة للألعاب) بدلاً من وحدات المعالجة المركزية القياسية (CPUs) (وهي عقل جهاز الكمبيوتر العادي). لقد بنى المؤلفون أداة تسمى GPU4PySCF تجعل هذه الحسابات أسرع بما يصل إلى 25 ضعفاً مما كانت عليه في السابق.

إليك تفصيل لكيفية قيامهم بذلك، باستخدام بعض التشبيهات من الحياة اليومية:

1. المشكلة: "المطبخ المزدحم"

في الماضي، عندما كان العلماء يحاولون حساب كيفية تفاعل الإلكترونات في الجزيئات، كانوا يستخدمون طريقة تشبه محاولة طهي وليمة ضخة في مطبخ صغير يحتوي على موقد واحد فقط.

نهج وحدة المعالجة المركزية (CPU): كان منظماً ولكنه بطيئاً. كان يحسب الأشياء واحداً تلو الآخر أو في مجموعات صغيرة، وغالباً ما ينتظر انتقال البيانات من "المخزن" (الذاكرة) إلى "الموقد" (المعالج).
تحدي وحدة معالجة الرسومات (GPU): وحدات معالجة الرسومات تشبه مطبخاً به 10,000 طباخ صغير يعملون جميعاً في وقت واحد. ولكن إذا أعطيتهم وصفة تتطلب منهم الركض ذهاباً وإياباً باستمرار إلى المخزن لجلب المكونات، فسيقضون كل وقتهم في المشي بدلاً من الطبخ. وهذا ما يسمى بـ "حركة مرور الذاكرة" (memory traffic)، وهي ما يدمر الأداء.

2. الحل: استراتيجية "الشبكة المتعددة"

استخدم المؤلفون تقنية ذكية تسمى Multigrid Gaussian-Plane-Wave (FFTDF). فكر في هذا كطريقة ذكية لتنظيم مهمة الرسم.

بدلاً من محاولة رسم المدينة بأكملة بفرشاة واحدة ضخمة (وهو أمر بطيء جداً) أو بقلم رصاص صغير (وهو أمر يستغرق وقتاً طويلاً جداً)، فإنهم يستخدمون أحجاماً مختلفة من الفرش لأجزاء مختلفة من الصورة:

الشبكة "الخشنة" (Coarse Grid): للأجزاء الكبيرة والضبابية من المدينة (مثل السماء أو الجبال البعيدة)، يستخدمون فرشاة كبيرة وسريعة.
الشبكة "الدقيقة" (Fine Grid): للأجزاء التفصيلية (مثل النوافذ وأوراق الشجر)، ينتقلون إلى فرشاة صغيرة ودقيقة.

هذا النهج "متعدد الشبكات" يضمن عدم إضاعة الوقت في حساب بيانات عالية التفاصيل للسماء، أو بيانات منخفضة التفاصيل للنوافذ.

3. السر الخفي: "التخزين المحلي" مقابل "المخزن"

أكبر طفرة في هذه الورقة البحثية هي كيفية إدارتهم للبيانات على وحدة معالجة الرسومات.

الطريقة القديمة (المخزن): في المحاولات السابقة، كان طباخو وحدة معالجة الرسومات يركضون باستمرار إلى "المخزن الرئيسي" (الذاكرة العالمية - Global Memory) لجلب نفس المكون (البيانات) مراراً وتكراراً. تسبب هذا في ازدحامات مرورية.
الطريقة الجديدة (جيب المئزر): أعاد المؤلفون تصميم الخوارزمية بحيث يحتفظ الطباخون بمكوناتهم في جيوب مآزرهم (الذاكرة المشتركة والسجلات - Shared Memory and Registers) أثناء عملهم.
- يقومون بتحميل البيانات مرة واحدة في الجيب.
- يقومون بكل العمليات الحسابية التي يحتاجونها هناك مباشرة.
- لا يعودون إلى المخزن إلا لكتابة النتيجة النهائية فقط.

لقد قلل هذا من "وقت المشي" (حركة مرور الذاكرة) إلى الحد الأدنى المطلق. إنه يشبه الطباخ الذي يجهز جميع مكوناته على لوح التقطيع قبل حتى أن يشعل الموقد.

4. النتائج: من ساعات إلى ثوانٍ

بسبب استراتيجية "جيب المئزر" هذه والاستخدام الذكي لأحجام الشبكات المختلفة، كانت النتائج مذهلة:

السرعة: حققوا 80% من السرعة القصوى الممكنة لأقوى أجهزة الكمبيوتر العملاقة المتاحة اليوم (NVIDIA H100 GPUs).
النطاق: يمكنهم الآن محاكاة أنظمة تحتوي على 15,000 ذرة (مثل بروتين كبير أو قطعة من الماس) والتي قد تستغرق الأجهزة العادية أياماً لحلها.
مثال من الواقع: قاموا بحساب الطاقة والقوى لمجموعة من 256 جزيء ماء في غض- 30 ثانية فقط. القيام بذلك على جهاز كمبيوتر قياسي قد يستغرق ساعة أو أكثر.

لماذا يهم هذا؟

فكر في هذا الأمر كترقية من دراجة هوائية إلى طائرة نفاثة خارقة للسرعة في مجال الأبحاث الكيميائية.

اكتشاف الأدوية: يمكن للعلماء اختبار كيفية تفاعل الأدوية الجديدة مع الفيروسات بشكل أسرع بكثير.
المواد الجديدة: يمكن للمهندسين تصميم بطاريات أفضل أو ألواح شمسية من خلال محاكاة كيفية سلوك الذرات دون الحاجة لبنائها في المختبر أولاً.
علوم المناخ: يمكنهم نمذجة التفاعلات الكيميائية المعقدة في الغلاف الجوي بدقة أكبر.

باختة القول: لقد أخذ المؤلفون وصفة رياضية معقدة، وأدركوا أن "المطبخ" (وحدة معالجة الرسومات) كان يُهدر بسبب كثرة المشي، فأعادوا تصميم سير العمل بحيث يبقى "الطباخون" في أماكنهم ويعملون بسرعة هائلة. هذا يفتح الباب لحل المشكلات الكيميائية التي كانت في السابق أكبر من أن تُحل أو أبطأ من أن تُعالج.

إليك ملخص تقني مفصل لورقة البحث بعنوان "تنفيذ خوارزمية المستوي الموجي الغاوسي متعددة الشبكات مع تسريع وحدة معالجة الرسومات في PySCF".

1. بيان المشكلة

تُعد نظرية الكثافة الوظيفية لكول-شام (KS-DFT) حجر الزاوية في الكيمياء الحاسوبية وعلوم المواد، ولكن تطبيقها على الأنظمة واسعة النطاق غالباً ما يتقيد بالتكلفة الحسابية.

عنق الزجاجة: بناء مصفوفة فوك (تحديداً حدود التنافر بين الإلكترونين وتبادل الارتباط) وتقييم تدرجات النواة هي عمليات مكلفة حسابياً، وتتوسع بشكل سيئ مع حجم النظام.
التحدي: بينما توفر وحدات معالجة الرسومات (GPUs) توازياً هائلاً، فإن النقل السطحي لخوارزميات وحدة المعالجة المركزية (CPU) غالباً ما يفشل في تحقيق ذروة الأداء. ويرجع ذلك إلى:
- حركة مرور الذاكرة: كثرة عمليات القراءة والكتابة في الذاكرة العالمية (Global Memory) وتفريغ السجلات (Register Spilling).
- الحساسية للزخم الزاوي: تتطلب دالات الأساس ذات الزخم الزاوي العالي (مثل غلاف $f$ وغلاف $g$ ) علاقات تكرارية أعمق، مما قد يتجاوز سعة سجلات وحدة معالجة الرسومات، مسبباً تدهوراً في الأداء.
- عدم التوافق الخوارزمي: الاستراتيجيات القياسية لوحدة المعالجة المركزية (مثل الحساب المسبق للوسطيات في الذاكرة) لا تترجم بشكل جيد إلى بنيات وحدات معالجة الرسومات حيث يكون تقليل الوصول إلى الذاكرة العالمية أكثر أهمية من تقليل العمليات الحسابية (FLOPs).

2. المنهجية

قام المؤلفون بتنفيذ نهج تكييف الكثافة باستخدام مستويات موجية غاوسية متعددة الشبكات (Multigrid Gaussian-Plane-Wave Density Fitting - FFTDF) مع تسريع بواسطة وحدة معالجة الرسومات ضمن حزمة برمجيات PySCF (تحديداً وحدة GPU4PySCF).

الخوارزمية الأساسية: FFTDF متعدد الشبكات

الأساس: يستخدم المدارات الغاوسية من النوع البلوري (GTOs) بالاقتران مع أساس ملاءمة الكثافة بالموجات المستوية.
استراتيجية تعدد الشبكات: بدلاً من شبكة موحدة واحدة، يتم فرز أزواج GTO حسب أسسها وتجميعها في مجموعات. تُخصص لكل مجموعة شبكة موحدة متميزة مع قطع موجي مستوٍ مناسب ( $G_\alpha$ $G_{α}$ ).
- يسمح هذا بتقييم المدارات المدمجة على شبكات دقيقة والمدارات المنتشرة على شبكات أخشن، مما يحسن الدقة والتكلفة.
- يتم تجميع إجمالي كثافة الإلكترونات عبر الاستكمال الرياضي للفوريه (Fourier interpolation) من هذه الكثافات الجزئية.
دعم الدوال الوظيفية: يدعم تقريب الكثافة المحلية (LDA)، وتقريب التدرج المعمم (GGA)، وتقريب الـ meta-GGA.
- بالنسبة لـ GGA، يتم حساب التدرجات بكفاءة في فضاء فوريه لتجنب حساب تدرجات دالة الأساس المكانية المكلفة.
- بالنسبة لـ meta-GGA، يلزم وجود تدرجات مدارية صريحة، والتي يتم التعامل معها عبر تحسينات نوى (kernel) محددة.

استراتيجية تنفيذ وحدة معالجة الرسومات (GPU)

أعاد المؤلفون تصميم الخوارزمية لاستغلال بنية وحدة معالجة الرسومات، مبتعدين عن استراتيجية وحدة المعالجة المركزية التي تعتمد على الحساب المسبق وتخزين كافة النتائج الوسطية في الذاكرة.

التوازي على مستوى الشبكة:
- يتم تقسيم الشبكة في الفضاء الحقيقي إلى كتل مكونة من 64 نقطة ( $4\times4\times4$ )، بحيث تُسند كل كتلة إلى كتلة خيط (thread block) واحدة في CUDA.
- يقدم هذا مستوى ثانٍ من التوازي (فوق نقاط الشبكة) بالإضافة إلى التوازي فوق أزواج أغلفة غاوس.
الحساب على مرحلتين (تحسين السجلات/الذاكرة المشتركة):
- المرحلة 1 (التجميع): داخل كتلة الخيوط، تعالج الخيوط دفعات من أزواج غاوس المساهمة. بدلاً من كتابة النتائج الوسطية في الذاكرة العالمية، يتم تجميع المساهمات في السجلات (Registers) أو الذاكرة المشتركة (Shared Memory).
- المرحلة 2 (الاختزال): تقوم عملية اختزال واحدة بتجميع الكثافة الجزئية (أو مساهمة مصفوفة فوك).
- النتيجة: يتم تقليل عمليات الكتابة في الذاكرة العالمية إلى الحد الأدنى النظري ( $N_{grid}$ )، مما يقلل بشكل كبير من حركة مرور الذاكرة وزمن التأخير.
تحسينات النوى (Kernel Optimizations):
- العلاقات التكرارية: استُخدمت لتقليل تقييمات الدوال الأسية (لتقليلها إلى ثلاث لكل بُعد).
- تجنب التوسع الثنائي: على عكس نسخة وحدة المعالجة المركزية، تقوم نسخة وحدة معالقة الرسومات بتقييم المعاملات متعددة الحدود مباشرة بدلاً من استخدام التوسع الثنائي لتكوين الموترات الوسطية. هذا يمنع حجم الموتر الوسيط من تجاوز سعة سجلات وحدة معالجة الرسومات، مما يمنع حد التمرير السجلي (register spilling).
- العمليات الذرية (Atomic Operations): بالنسبة لبناء مصفوفة فوك، يتم استخدام atomicAdd بحذر لتقليل نزاع الكتابة، حيث يقوم كل خيط بتحديث عناصر زوج من الأغلفة بشكل متميز.

3. المساهمات الرئيسية

بنية GPU مبتكرة: قدمت استراتيجية توازي قائمة على الشبكة تتوافق طبيعياً مع البنية الهرمية لكتل الخيوط في وحدات معالجة الرسومات، مما يوازن أحمال العمل ويقلل من حركة مرور الذاكرة العالمية.
كفاءة الزخم الزاوي العالي: حققت أداءً قريباً من الذروة (يصل إلى 80% من ذروة FP64) لدالات الأساس حتى غلاف $f$ دون فقدان الكفاءة، وهو ما يعد نقطة فشل شائعة في أكواد الكيمياء الكمومية الأخرى التي تعمل بوحدات معالجة الرسومات.
التكامل مفتوح المصدر: تم دمجها بالكامل في GPU4PySCF ، مما يوفر أساساً لمحاكاة الديناميكا الجزيئية من المبادئ الأولية (AIMD) والفحص عالي الإنتاجية.
القابلية للتوسع: أظهرت القدرة على التعامل مع أنظمة تصل إلى 1536 ذرة و 20,480 دالة أساس.

4. النتائج والأداء

أُجريت اختبارات الأداء على وحدات معالجة الرسومات NVIDIA A100 و H100، ومقارنتها بتطبيقات وحدة المعالجة المركزية (PySCF و CP2K) وأكواد أخرى تعمل بوحدات معالجة الرسومات.

التسريع:
- تكرارات SCF: حققت تسريعاً يتراوح بين 4 إلى 10 أضعاف على A100 وما يصل إلى 25 ضعفاً على H100 مقارنة بعقدة وحدة معالجة مركزية مكونة من 28 نواة.
- مثال محدد: تم حساب طاقة الحالة الأرضية وتدرجات النواة لعنقرة ماء مكونة من 256 جزيء (10,240 دالة أساس) في ~30 ثانية على وحدة H100 واحدة.
المقارنة مع CP2K:
- في عناقير الماء والبنزين، كان GPU4PySCF على A100 أسرع بنحو 3 أضعاف من نسخة GPU الخاصة بـ CP2K.
- على وحدات المعالجة المركزية، كانت PySCF أبطأ من CP2K (بسبب التوازي الأقل تحسيناً)، لكن نسخة وحدة معالجة الرسومات سدت هذه الفجوة وتفوقت عليها بشكل كبير.
تحليل السقف (Roofline Analysis):
- بناء الكثافة: وصلت نوى $s$ -shell إلى ~50% من ذروة FP64؛ بينما وصلت نوى $d$ و $f$ إلى ~70%. انخفض الأداء بالنسبة لـ $g$ -shells بسبب ضغط السجلات.
- بناء فوك: عملية محكومة بالحساب (compute-bound) للغاية، حيث وصلت إلى ~80% من ذروة إنتاجية FP64 على A100.
- التدرجات: كثافة حسابية عالية، رغم أن نوى الزخم الزاوي المنخفض لم تستغل وحدات الحساب بالكامل.

5. الأهمية

يمثل هذا العمل خطوة كبيرة نحو جعل حسابات DFT واسعة النطاق متاحة وفعالة على الأجهزة الحديثة.

تمكين المحاكاة واسعة النطاق: القدرة على حساب الطاقات والتدرجات للأنظمة التي تضم آلاف الذرات في ثوانٍ أو دقائق تفتح الباب أمام الديناميكا الجزيئية من المبادئ الأولية (AIMD) على مقاييس زمنية لم تكن متاحة سابقاً.
أساس للطرق المستقبلية: يعمل التعامل الفعال مع بناء فوك والتدرجات كحجر زاوية حرج لطرق أكثر تعقيداً، مثل QM/MM (الميكانيكا الكمومية/الميكانيكا الجزيئية)، والتعمية الكمومية (quantum embedding)، وخوارزميات التبادل الدقيق.
العلم المفتوح: من خلال إصدار هذا كبرمجية مفتوحة المصدر ضمن نظام PySCF الواسع الانتشار، فإنه يقلل الحاجة من الباحثين لاستخدام تسريع وحدات معالجة الرسومات في اكتشاف المواد المتقدمة ونمذجة التفاعلات الكيميائية.