🔬 condensed matter

H-NESSi: The Hierarchical Non-Equilibrium Systems Simulation package

إن H-NESSi عبارة عن حزمة برمجية مفتوحة المصدر تتيح إجراء محاكاة فعالة وطويلة الأمد للأنظمة الكمومية شديدة الارتباط خارج حالة التوازن، وذلك عبر الجمع بين الخطوات الزمنية عالية الرتبة وتقنيات الضغط منخفضة الرتبة الهرمية للتغلب على التوسع الحسابي الباهظ لمعادلات كادانوف-بايمن التقليدية.

المؤلفون الأصليون: Thomas Blommel, Jeremija Kovačević, Jason Kaye, Emanuel Gull, Jakša Vučičević, Denis Golež

نُشر 2026-04-08

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Thomas Blommel, Jeremija Kovačević, Jason Kaye, Emanuel Gull, Jakša Vučičević, Denis Golež

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 بالطقس، ولكن بدلاً من السحب والأمطار، أنت تتبع الرقصة الفوضوية لـ تريليونات الإلكترونات داخل قطعة من المادة. هذه هي مهمة الفيزيائي الذي يدرس الأنظمة "غير المتوازنة" (nonequilibrium)—وهي المواد التي تتعرض لصدمات أو تسخين أو هزات بواسطة الليزر أو المجالات الكهربائية، مما يجبرها على الخروج من حالتها المستقرة والمريحة.

يقدم البحث أداة برمجية جديدة تسمى H-NESSi (محاكاة الأنظمة غير المتوازنة الهرمية). فكر في H-NESSi كأنه مراقب حركة مرور ذكي للغاية وعالي الكفاءة لهذه الإلكترونات.

إليك تفصيل للمشكلة وكيف يحلها H-NESSi، باستخدام تشبيهات بسيطة:

1. المشكلة: "انفجار الذاكرة"

في الماضي، كانت محاكاة رقصات الإلكترونات هذه تشبه محاولة تدوين موقع كل سيارة على طريق سريع في كل ثانية.

الطريقة القديمة: للتنبؤ بالمستقبل، كان عليك تذكر كل تفاعل حدث منذ بداية الزمان. إذا أردت محاكاة 100 ثانية، كنت ستحتاج إلى دفتر ملاحظات يكبر لدرجة أنه قد يملأ مكتبة كاملة.
عنق الزجاجة: مع مرور الوقت، كانت الذاكرة المطلوبة لتخزين هذه البيانات تنمو بشكل تكعيبي (مثل $10^3$ ، $100^3$ ، $1000^3$ ). كان الأمر يشبه محاولة ملء مسبح بملعقة صغيرة؛ وفي النهاية، تنفد ذاكرة الكمبيوتر ويتوقف عن العمل. هذا يعني أن العلماء لم يكن بإمكانهم سوى محاكة دفعات قصيرة جداً من الزمن (بالفيمتو ثانية)، مما جعلهم يفقدون التأثيرات المثيرة للاهتمام على المدى الطويل (مثل حالات الموصلية الفائقة الجديدة).

2. الحل: "الضغط الهرمي"

يحل H-NESSi هذه المشكلة من خلال إدراك أن ليست كل تفاصيل رقصة الإلكترونات فريدة من نوعها. فالعديد من الأنماط تتكرر، وجزء كبير من البيانات هو بيانات مكررة (زائدة عن الحاجة).

التشبيه: تخيل أنك تصف فيلماً لصديقك.
- الطريقة القديمة: تصف كل إطار، وكل بكسل، وكل درجة لون لكل الفيلم لمدة ساعتين. هذا يستغرق وقتاً طويلاً ويتطلب قرصاً صلباً ضخماً.
- طريقة H-NESSi: تدرك أنه في 90% من الفيلم، الخلفية هي مجرد سماء زرقاء ثابتة. لا تحتاج لوصف السماء الزرقاء 10,000 مرة. أنت فقط تقول: "سماء زرقاء، متكررة". أنت تكتب التفاصيل فقط عندما يتحرك الممثلون أو تتغير الحبكة.
- التقنية: يستخدم H-NESSi تقنية تسمى الضغط منخفض الرتبة الهرمي (Hierarchical Low-Rank Compression). يقوم بتفكيك جدول البيانات الضخم إلى كتل أصغر. إذا بدت كتلة ما "بسيطة" (متكررة)، فإنه يضغطها في ملخص صغير. وإذا كانت الكتلة "معقدة"، فإنه يحتفظ بالتفاصيل. هذا يشبه استخدام ملف مضغوط (zip file) لبياناتك، ولكن مع القيام بذلك بذكاء في الوقت الفعلي أثناء تشغيل المحاكاة.

3. خدعة "السفر عبر الزمن" (معادلات كادانوف-بايم)

تتضمن الرياضيات وراء ذلك معادلات كادانوف-بايم (Kadanoff-Baym equations).

التشبيه: تخيل نهراً. لمعرفة أين يوجد الماء الآن، يجب أن تعرف أين كان بالأمس، واليوم الذي قبله، وكيف أثرت الصخور (الشوائب) عليه.
الابتكار: لا ينظر H-NESSi إلى النهر فحسب؛ بل يستخدم خريطة هرمية. هو يعلم أن تدفق المياه قبل 100 عام لا يؤثر على التموجات الآن بنفس قدر تأثير المياه التي كانت موجودة قبل ثانية واحدة. إنه يركز قوته الحسابية على "الماضي القريب" ويقوم بضغط "الماضي البعيد"، مما يسمح له بمحاكاة النهر لفترة أطول بكثير دون الغرق في البيانات.

4. "البداية الحرارية" (الزمن التخيلي)

قبل بدء المحاكاة، تكون المادة عادةً ساخنة (في حالة توازن حراري).

التشبيه: فكر في هذا كعملية تسخين محرك السيارة قبل السباق.
الأداة: يستخدم H-NESSi طريقة تسمى تمثيل ليومان المنفصل (Discrete Lehmann Representation - DLR). بدلاً من فحص درجة حرارة المحرك عند كل جزء صغير جداً من الثانية، فإنه يختار "نقاط التفتيش" الأكثر أهمية للحصول على قراءة دقيقة. هذا يسمح للمحاكاة بالبدء بشكل مثالي من حالة ساخنة ومستقرة دون إضاعة الوقت في حسابات غير ضرورية.

5. لماذا يهم هذا (النتائج)

يظهر البحث أن H-NESSi يمكنه محاكاة أنظمة أكبر بكثير ولمدات زمنية أطول بكثير مما كان ممكناً من قبل.

اختبار الموصلية الفائقة: قاموا بمحاكاة موصل فائق (مادة تنقل الكهرباء بدون مقاومة) يتم ضربه بنبضة ليزر. استطاع H-NESSi تتبع رد فعل المادة لفترة طويلة، مما كشف عن حالات جديدة للمادة كان من المستحيل رؤيتها سابقاً لأن أجهزة الكمبيوتر كانت ستنفد ذاكرتها.
السرعة: بينما كانت البرامج القديمة تستغرق ساعات لمحاكاة ثوانٍ قليلة من الزمن، يمكن لـ H-NESSi محاكاة دقائق أو ساعات من "زمن الإلكترونات" على نفس الأجهزة. إنه يتوسع بشكل أفضل بكثير، مما يعني أن إضافة المزيد من أجهزة الكمبيوتر تجعل العملية أسرع دون الاصطدام بحائط مسدود.

الملخص

H-NESSi هو حزمة برمجية ثورية تسمح للعلماء بمحاكاة السلوك الفوضوي للمواد الكمومية لفترات طويلة.

قبل: كانت المحاكاة تشبه محاولة حمل جبل من الرمل في كيس ورقي. كان الأمر ثقيلاً، فوضوياً، ومحدوداً بكميات صغيرة فقط.
الآن: H-NESSi يشبه المكنسة السحرية التي تسحب الهواء من الرمل، وتضغطه في قالب صغير يمكن التحكم فيه دون فقدان شكل أو وزن الرمل.

هذا يتيح للباحثين أخيراً الإجابة على أسئلة كبيرة: ماذا يحدث للمادة إذا ضربناها بالليزر لفترة طويلة؟ هل يمكننا إنشاء أنواع جديدة من الموصلات الفائقة؟ يمنحنا H-NESSi القدرة الخارقة لمشاهدة هذه الأفلام وهي تُعرض بالكامل، وبدقة عالية، دون أن يتوقف الكمبيوتر عن العمل.

فيما يلي ملخص تقني مفصل لورقة البحث بعنوان: "H-NESSi: حزمة محاكاة الأنظمة غير المتوازنة الهرمية".

١. بيان المشكلة

تعد محاكاة الأنظمة الكمومية ذات الارتباط القوي خارج حالة التوازن تحدياً كبيراً في الفيزياء الحاسوبية. الإطار النظري القياسي لهذه المسائل هو نظرية دوال غرين غير المتوازنة (NEGF)، وتحديداً معادلات كادانوف-باي (KBE).

الاختناقات الحسابية: تعاني صياغات "كادانوف-باي" التقليدية ذات الزمن المزدوج من قيود شديدة في التوسع (Scaling):
- التعقيد الزمني: $O(N_t^3)$ ، حيث $N_t$ هو عدد الخطوات الزمنية. هذا التوسع التكعيبي يقيد المحاكاة إلى أزمنة قصيرة جداً (بالفيمتو ثانية)، بينما تحدث العديد من الظواهر الفيزيائية (مثل الموصلية الفائقة العابرة، أو الأطوار شبه المستقرة) في مقاييس زمنية تتراوح بين البيكو ثانية والنانو ثانية.
- نمو الذاكرة: $O(N_t^2)$ ، مما يتطلب كميات هائلة من ذاكرة الوصول العشوائي (RAM) لعمليات الانتشار الطويلة.
القيود الحالية:
- الطرق التقريبية (مثل فرضية كادانوف-باي المعممة) تقلل التكلفة ولكنها غالباً ما تفقد الدقة في الأنظمة ذات الارتباط القوي.
- الطرق الدقيقة التي تستخدم قطع الذاكرة أو "القطارات الموترية" (Tensor Trains) غالباً ما تفشل في التعامل مع الذاكرة طويلة المدى أو تعاني من مشاłات في التقارب عند الأزمنة الطويلة.
- التطبيقات القياسية (مثل حزمة NESSi) لا يمكنها التعامل مع أنظمة الشبكات الكبيرة أو الديناميكيات طويلة الأمد بسبب التوسع التكعيبي والتربيعي.

٢. المنهجية

يقدم المؤلفون H-NESSi، وهي حزمة مفتوحة المصدر مكتوبة بلغة ++C تقوم بحل معادلات (KBE) باستخدام تقنيات ضغط الهيكل الهرمي منخفض الرتبة غير القطري (HODLR) بالتزامن مع مخططات خطوة زمنية عالية الرتبة.

الابتكارات الخوارزمية الجوهرية

ضغط HODLR:
- يتم تمثيل دوال غرين المرتدة ( $G^R$ ) والناقصة ( $G^<$ ) كـ مصفوفات مثلثية سفلية.
- يتم تقسيم هذه المصفوفات هرمياً إلى كتل. تُقرب الكتل غير القطرية باستخدام تحليل القيم المفردة المبتور (TSVD).
- يتم التخلص من القيم المفردة التي تقل عن عتبة محددة من قبل المستخدم ( $\epsilon_{SVD}$ ). هذا يستغل حقيقة أن الكتل غير القطرية لدوال غرين غالباً ما تمتلك رتبة عددية منخفضة، مما يسمح بضغط البيانات.
- اختيار الرتبة التكيفي: يتم تحديد رتبة كل كتلة ديناميكياً بناءً على عتبة الضغط، مما يضمن دقة يمكن التحكم بها دون فرض تقريبات ثابتة.
الخطوات الزمنية عالية الرتبة:
- معادلات (KBE) هي معادلات تفاضلية تكاملية. تستخدم H-NESSi مخططات تكامل عالية الرتبة (تصل إلى الرتبة السادسة) لتقريب المشتقات وتكاملات التاريخ.
- تدعم فئة التكامل مقياس خطأ قدره $O(h^{k+1})$ ، مما يسمح بخطوات زمنية أكبر مع الحفاظ على الدقة.
تمثيل ليهمان المنفصل (DLR):
- يتم تمثيل الكميات في الزمن التخيلي (دوال غرين ماتسوبارا والمكونات المختلطة) باستخدام (DLR).
- يسمح هذا بتمثيل مدمج ودقيق للحالات الأولية الحرارية باستخدام شبكة متفرقة من النقاط، حيث يتوسع بمعدل $O(\log(\Lambda)\log(1/\epsilon))$ ، بدلاً من الشبكة المتساوية المسافات الكثيفة.
دعم المدارات المتعددة:
- تتعامل الشفرة مع الأنظمة ذات المدارات المتعددة (اللف المغزلي، المدار، موقع الشبكة) عن طريق تخزين $N_o^2$ من التمثيلات المضغوطة المنفصلة، حيث $N_o$ هو عدد المدارات.

استراتيجية التوازي

هجين MPI + OpenMP:
- MPI (الذاكرة الموزعة): يُستخدم لحسابات الشبكة مع مراعاة التباين الانتقالي. يتم تقسيم منطقة بريلوين عبر رتب MPI. يتم التواصل بين دوال غرين لتقييم "الإنرجيات الذاتية" (Self-energies) التي تعتمد على منطقة بريلوين العالمية، ثم تُعاد توزيع هذه الإنرجيات الذاتية.
- OpenMP (الذاكرة المشتركة): يُستخدم داخل كل رتبة MPI لتوازي الخطوات الزمنية، وعقد (DLR)، وحلقات المدارات.
كفاءة الاتصال: يدير فئة mpi_comm عمليات تبادل البيانات المعقدة بين مخازن "الزمن المحلي" (جميع النقاط الزمنية لـ $k$ المحلي) ومخازف "الزخم المحلي" (جميع نقاط $k$ للزمن المحلي)، مما يقلل من عبء الاتصال.

٣. المساهمات الرئيسية

اختراق خوارزمي: أول تنفيذ قوي لضغط HODLR مصمم خصيصاً لمعادلات كادانوف-باي في سياق متعدد المدارات وغير متوازن.
تقليل التعقيد:
- التعقيد الزمني: انخفض من $O(N_t^3)$ إلى حوالي $O(N_t^{2+\alpha})$ ، حيث تعتمد $\alpha$ على نمو الرتبة $\epsilon$ (عادة $\alpha \approx 0.5$ للحالات فائقة التوصيل و $\alpha \approx 0$ للحالات الطبيعية).
- تعقيد الذاكرة: انخفض من $O(N_t^2)$ إلى $O(N_t \cdot N_\epsilon^S)$ ، حيث $N_\epsilon^S$ هو عدد القيم المفردة التي تم الاحتفاظ بها.
واجهة سهلة الاستخدام: صُممت لتماثل حزمة NESSi الحالية، مما يسمح للمستخدمين بالانتقال إلى H-NESSi بأقل قدر من التعديلات في الكود. وهي تتعامل مع الضغط بشكل شفاف، بحيث يتعامل المستخدمون مع واجهات المصفوفات القياسية.
الاستمرارية القوية: تنفذ مخططاً تكرارياً مستقراً لحل (KBE) غير الخطي، بما في ذلك استراتيجيات محددة للبدء (bootstrapping) والتعامل مع قوانين حفظ مصفوفة الكثافة (عبر التكامل القطري مقابل الأفقي).
التوفر المفتوح: الحزمة متاحة للجمهور، مكتوبة بلغة ++C مع روابط Python للتحليل، وتدعم المكتبات العلمية القياسية (Eigen, HDF5, FFTW, MPI).

٤. النتائج والاختبارات المعيارية

تحقق المؤلفون من صحة H-NESSi باستخدام نظامين فيزيائيين متميزين:

الموصلات الفائقة المدفوعة (DMFT):
- محاكاة نموذج هوبارد جذاب تحت مجال كهربائي يعتمد على الزمن ضمن نظرية المجال المتوسط الديناميكي (DMFT).
- التوسع: أظهر حل H-NESSi توسعاً تقاربياً أفضل بكثير من حل NESSi غير المضغوط. بالنسبة للحالة فائقة التوصيل، توسع التعقيد الزمني كـ $T^{2.5}$ ، مقارنة بـ $T^3$ في NESSi.
- الكفاءة: حققت أزمنة انتشار أطول بنحو 3 مرات من NESSi تحت نفس قيود الذاكرة.
نموذج هوبارد ثنائي الأبعاد (الشبكة):
- محاكاة الموصلية البصرية لنموذج هوبارد لشبكة مربعة ثنائية الأبعاد باستخدام تقريب "بورن" الثاني.
- النطاق: نجحت في تشغيل محاكاة لشبكات بـ $L=64$ ( $N_k > 8000$ ) و $N_t = 16384$ خطوة زمنية، مما تطلب أكثر من 15,000 نواة CPU و 10 تيرابايت من ذاكرة الوصول العشوائي (بدون ضغط، سيكون هذا مستحيلاً).
- الأداء: أظهر تنفيذ الهجين MPI/OpenMP تسارعاً يقترب من الخطية بالنسبة لعدد المعالجات. تم العثور على التكوين الأمثل بـ 8 خيوط (threads) OpenMP لكل رتبة MPI.
- الضغط: وصلت رتبة $\epsilon$ لدالة غرين إلى حالة التشبع عند أحجام الكتل الصغيرة، مما يؤكد كفاءة الضغط حتى في الأنظمة الكبيرة والمعقدة.

٥. الأهمية

تمثل H-NESSi تحولاً جذرياً في محاكاة المواد الكمومية غير المتوازنة:

الوصول إلى أنظمة جديدة: تتيح دراسة الديناميكيات طويلة الأمد (النانو ثانية) وأحجام الأنظمة الكبيرة التي كانت مستعصية حسابياً في السابق.
دقة محكومة: على عكس الطرق التقريبية، توفر H-NESSi مساراً منهجياً للدقة عبر عتبة الضغط، مما يجعلها مناسبة للتنبؤات الكمية في الأنظمة ذات الارتباط القوي.
القابلية للتوسع: القدرة على التوسع إلى آلاف النوى وبيتابايت من البيانات (عبر الضغط) تجعلها أداة حاسمة لحوسبة الجيل القادم (Exascale) في فيزياء المادة المكثفة.
أساس للأعمال المستقبلية: التصميم النمطي يدعم التوسع نحو إنرجيات ذاتية أكثر تعقيداً، ومخططات غمر، والاقتران بدرجات حرية أخرى (مثل الفونونات)، مما يمهد الطريق للدراسات المنهجية للمواد متعددة المدارات المعقدة تحت تأثير الدفع القوي.

باختصار، تتغلب H-NESSi على "لعنة الأبعاد" الأساسية في محاكاة دوال غرين غير المتوازنة من خلال الاستفادة من الهياكل الهرمية منخفضة الرتبة، مما يوسع بفعالية آفاق ما يمكن محاكاته في الفيزياء الكمومية متعددة الأجسام.