🤖 AI

cuNNQS-SCI: A Fully GPU-Accelerated Framework for High-Performance Configuration Interaction Selection withNeural Network QQantum States

تقدم الورقة البحثية إطار عمل cuNNQS-SCI، وهو إطار عمل مسرع بالكامل بواسطة وحدات معالجة الرسومات يتغلب على قيود القابلية للتوسع التي تفرضها طريقة NNQS-SCI الحالية من خلال إلغاء التكرار الموزع، ونواة CUDA المتخصصة، ووقت تشغيل متمحور حول وحدة معالجة الرسومات، محققاً تسريعًا يصل إلى 2.32 ضعفاً وتمكين حل مشكلات أجسام متعددة كمومية أكبر بكثير مع الحفاظ على الدقة الكيميائية.

المؤلفون الأصليون: Daran Sun, Bowen Kan, Haoquan Long, Hairui Zhao, Haoxu Li, Yicheng Liu, Pengyu Zhou, Ankang Feng, Wenjing Huang, Yida Gu, Zhenyu Li, Honghui Shang, Yunquan Zhang, Dingwen Tao, Ninghui Sun, Guangming T

نُشر 2026-04-20

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Daran Sun, Bowen Kan, Haoquan Long, Hairui Zhao, Haoxu Li, Yicheng Liu, Pengyu Zhou, Ankang Feng, Wenjing Huang, Yida Gu, Zhenyu Li, Honghui Shang, Yunquan Zhang, Dingwen Tao, Ninghui Sun, Guangming Tan

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 حل اللغز الأكبر في الكون: كيف تلتصق الذرات ببعضها لتكوين الجزيئات؟

للقيام بذلك، يستخدم العلماء طريقة تسمى التفاعل التكويني (Configuration Interaction - CI). فكر في الجزيء كأنه مكتبة ضخمة؛ كل طريقة ممكنة يمكن للالكترونات (الجزيئات الصغيرة) أن ترتب بها نفسها هي بمثابة "كتاب" مختلف في هذه المكتبة. ولإيجاد الحالة الأكثر استقرارًا للجزيء (الحالة الأرضية)، ستحتاج نظريًا إلى قراءة كل كتاب في هذه المكتبة.

المشكلة؟ بالنسبة لجزيء متوسط الحجم، تحتوي المكتبة على كتب أكثر من عدد الذرات في الكون بأكمله. ومن المستحيل قراءتها جميعًا.

الطريقة القديمة: "عنق الزجاجة الهجين"

مؤخرًا، بدأ العلماء في استخدام الذكاء الاصطناعي (الشبكات العصبية) للمساعدة. فبدلاً من قراءة كل كتاب، يتعلم الذكاء الاصطناعي التنبؤ بالكتب الأكثر أهمية. وهذا ما يسمى NNQS-SCI.

ومع ذلك، كان للنسخة القديمة من نظام الذكاء الاصطناعي هذا عيب رئيسي. فقد كانت تشبه سيارة سباق فائقة السرعة (وحدة معالجة الرسومات - GPU) يقودها سائق بطيء ومرهق (وحدة المعالجة المركزية - CPU).

السائق (CPU): يقوم الذكاء الاصطناعي (GPU) بإنشاء قائمة بـ "الكتب المهمة"، ثم يتعين عليه تسليم تلك القائمة إلى وحدة المعالجة المركزية (CPU). عندها تعمل وحدة المعالجة المركزية كأمين مكتبة، حيث تقوم بفحص القائمة لإزالة الكتب المكررة (إزالة التكرار) وتنظيمها.
ازدحام مروري: كلما كبرت المكتبة، أصبح أمين المكتبة (CPU) مثقلًا بالأعباء. كانت سيارة السباق (GPU) تقف بلا حراك، تنتظر انتهاء وحدة المعالجة المركزية من أعمالها الورقية. كما كانت وحدة المعالجة المركزية تنفد مساحة مكتبها (الذاكرة) عندما تصبح القائمة كبيرة جدًا.

الحل الجديد: cuNNQS-SCI

يقدم البحث نظام cuNNQS-SCI، الذي يقوم بـ "طرد" أمين المكتبة (CPU) ويضع العملية بأكملها على وحدة معالجة الرسومات (GPU). الأمر يشبه تحويل سيارة السباق إلى مركبة ذاتية القيادة، تقوم بالقيادة، والتنظيم، والقراءة في آن واحد.

إليك كيف فعلوا ذلك، باستخدام ثلاث تشبيهات بسيطة:

1. "الفرز الذكي" (إزالة التكرار الموزعة)

المشكلة: عندما تقوم آلاف وحدات معالجة الرسومات (GPUs) بإنشاء قوائم للكتب، فإنها تنتج ملايين النسخ المكررة. كانت الطريقة القديمة تعتمد على إلقاء جميع القوائم على جهاز كمبيوتر مركزي واحد لفرزها، مما تسبب في ازدحام مروري هائل.
حل cuNNQS-SCI: تخيل حفلة موسيقية ضخمة حيث يحمل الجميع تذاكر. بدلاً من ركض الجميع إلى كشك تذاكر واحد للتحقق من التكرار، يتم تقسيم الحشد إلى مجموعات. تقوم كل مجموعة بفرز تذاكرها الخاصة، وتختار بعض التذاكر "العينات"، وتبادل تلك العينات مع المجموعات الأخرى.
النتيجة: يمكنهم معرفة أي قسم من الحشد يحمل أي تذاكر دون التسبب في ازدحام عند كشك واحد. هذا يحافظ على تدفق حركة المرور بسلاسة، حتى مع عمل 64 وحدة معالجة رسومات معًا.

2. "خط التجميع المتخصص" (نوى GPU)

المشكلة: يتضمن إنشاء قائمة "التكوينات المقترنة" (معرفة أي الكتب متشابهة) إجراء مليارات من عمليات التحقق الرياضية الصغيرة والمتكررة. كانت وحدة المعالجة المركزية (CPU) القديمة تفعل ذلك واحدًا تلو الآخر، مثل شخص يضع علامة على قائمة باستخدام قلم.
حل cuNNQS-SCI: وحدة معالجة الرسومات (GPU) تشبه مصنعًا يحتوي على ملايين الروبوتات. بدلاً من شخص واحد يتحقق من قائمة، يقوم cuNNQS-SCI بنشر خط تجميع متخصص حيث تتحقق ملايين الأذرع الروبوتية الصغيرة من مليارات العناصر في وقت واحد.
النتيجة: ما كان يستغرق من وحدة المعالجة المركزية دقائق للقيام به، أصبح يستغرق من وحدة معالجة الرسومات أجزاء من الثانية فقط. إنه الفرق بين شخص واحد يحفر خندقًا وبين جرافة تنجزه في ثانية واحدة.

3. "سير الناقل" (إدارة الذاكرة)

المشكلة: حتى مع وجود وحدات معالجة رسومات فائقة السرعة، يمكن أن تكون قائمة الكتب ضخمة جدًا بحيث لا تتسع في ذاكرة وحدة معالجة الرسومات (مكتبها). كان النظام القديم ينهار إذا أصبحت المكتبة كبيرة جدًا.
حل cuNNQS-SCI: تخيل نظام سير ناقل. لا تحاول وحدة معالجة الرسومات (GPU) الاحتفاظ بالمكتبة بأكملها في وقت واحد؛ بل تسحب "دفعة" صغيرة من الكتب، تعالجها، تتخلص مما لا تحتاجه، ثم تسحب الدفعة التالية فورًا بينما يتم إرسال الدفعة السابقة إلى التخزين.
النتيجة: لا تنفد مساحة مكتب وحدة معالجة الرسومات أبدًا. يمكنها محاكاة جزيئات قد تكون نظريًا أكبر من أن تتسع في شريحة كمبيوتر واحدة، مما يكسر "حاجز الذاكرة" فعليًا.

النتائج: لماذا يهم هذا؟

من خلال نقل كل شيء إلى وحدة معالجة الرسومات (GPU) وتحسين سير العمل، حقق الفريق فوزين هائلين:

السرعة: جعلوا العملية أسرع بمقدار 2.3 مرة من أفضل الطرق السابقة.
النطاق: يمكنهم الآن محاكاة جزيئات أكبر وأكثر تعقيدًا (مثل ثنائي الكروم Chromium dimer) التي كان من المستحيل حلها بدقة سابقًا.

باختة: قام نظام cuNNQS-SCI بأخذ نظام كان فيه معالج مركزي بطيء يعيق ذكاءً اصطناعيًا سريعًا، وقام بـ "طرد" المعالج المركزي، وبنى مصنع ذكاء اصطناعي يعمل بالكامل بشكل ذاتي القيادة. وهذا يسمح للعلماء بحل "لغز الكون" لمواد أكبر وأكثر تعقيدًا من أي وقت مضى، مما يمهد الطريق لأدوية جديدة، وبطاريات أفضل، ومواد متطورة.

1. بيان المشكلة

تعالج الورقة البحثية قيود القابلية للتوسع في حالات الشبكة العصبية الكمومية (NNQS) المدمجة مع طريقة اختيار التفاعل التكويني المحدد (SCI)، وهي طريقة متطورة لحل معادلة شرودنجر للأنظمة المعقدة متعددة الأجسام. ورغم أن NNQS-SCI توفر دقة عالية وقابلية توسع أفضل من الطرق التقليدية، إلا أن تطبيقها العملي على الأنظمة الجزيئية الكبيرة يعوقه بنية هجينة بين وحدة المعالجة المركزية (CPU) ووحدة معالجة الرسومات (GPU)، مما يخلق ثلاثة اختناقات حرجة:

مركزية إزالة التكرار في وحدة المعالجة المركزية (حاجز القابلية للتوسع): تعتمد عملية إزالة التكرار العالمية (إزالة التكوينات الإلكترونية المكررة) على عقدة جذرية واحدة في وحدة المعالجة المركزية لتجميع ومعالجة البيانات من جميع وحدات معالجة الرسومات، مما يخلق اختناقاً حاداً في الاتصال ( $O(N)$ من حركة المرور) وضغطاً على الذاكرة، مما يؤدي إلى انخفاض كفاءة التوازي بشكل كبير مع زيادة عدد وحدات معالجة الرسومات.
توليد التكوينات المقترنة المرتبط بوحدة المعالجة المركزية (اختناق الحوسبة): يتم توليد "التكوينات المقترنة" (الإثارات الإلكترونية الفردية والثنائية الصالحة) على وحدة المعالجة المركزية. ومع توسع النظام، تصبح هذه الخطوة المرتبطة بوحدة المعالجة المركزية أبطأ من الاستدلال القائم على الشبكة العصبية في وحدة معالجة الرسومات، مما يؤدي إلى عدم استغلال كافٍ لوحدات معالجة الرسومات.
جدار ذاكرة وحدة معالجة الرسومات (قيد السعة): إن نقل سير العمل بالكامل إلى وحدات معالجة الرسومات يكشف عن سعة محدودة لذاكرة النطاق العالي (HBM) لكل وحدة. فالأنظمة الكيميائية الكبيرة تولد بيانات وسيطة (تكوينات وفهارس) تتجاوز حد الـ 40 جيجابايت لوحدة NVIDIA A100 الواحدة، مما يجعل التنفيذ القياسي داخل الذاكرة مستحيلاً.

2. المنهجية: cuNNQS-SCI

يقترح المؤلفون cuNNQS-SCI، وهو إطار عمل يعمل بالكامل داخل وحدة معالجة الرسومات، يعيد تصميم سير عمل SCI لإلغاء التدخل من جانب المضيف (CPU). تعتمد المنهجية على ثلاثة مكونات متآزرة:

أ. إزالة التكرار العالمية الموزعة عبر أخذ العينات المنتظم القائم على الفرز

لاستبدال تقليص البيانات المركزي في وحدة المعالجة المركزية، صمم المؤلفون خوارزمية إزالة تكرار موزعة بالكامل وتعمل داخل وحدة معالجة الرسومات:

استراتيجية قائمة على الفرز: بدلاً من استخدام التجزئة (Hashing) التي تسبب تباعد الخيوط (Thread Divergence) وعدم توازن الحمل، تستخدم الخوارزمية الفرز الشعاعي (Radix Sort) على وحدات معالجة الرسومات لترتيب التكوينات.
أخذ العينات المنتظم: تقوم كل وحدة معالجة رسومات بفرز بياناتها المحلية وأخذ عينات محورية (Pivots) بفواصل زمنية ثابتة. تُجمع هذه العينات إلى عقدة جذرية لتحديد حدود التقسيم العالمية (Splitters).
تبادل AlltoAll: يتم إعادة توزيع البيانات بناءً على هذه الحدود باستخدام MPI_Alltoallv لضمان أن تكون العناصر المكررة متجاورة إما محلياً أو عند حدود التقسيم.
الإنهاء المحلي: تقوم كل وحدة معالجة رسومات بعملية دمج محلية وضغط تدفق (Stream Compaction) لإزالة التكرارات. يضمن ذلك توازناً حتمياً في الأحمال وتقليل عبء الاتصال.

ب. نوى (Kernels) دقيقة لوحدة معالجة الرسومات لتوليد التكوينات المقترنة

تم نقل توليد التكوينات المقترنة بالكامل إلى وحدة معالجة الرسومات باستخدام نواة CUDA مخصصة:

تخطيط البيانات المضغوط: بدلاً من تخزين مصفوفة هاميلتون (Hamiltonian) الضخمة، يستخدم النظام جداول إثارة ( $T_{single}$ و $T_{double}$ ) معالجة مسبقاً تحتوي على تكاملات محسوبة مسبقاً. يقلل هذا من بصمة الذاكرة بأكثر من 15 رتبة مقدارية (على سبيل المثال، من إكسابايت إلى أقل من 400 كيلوبايت).
التفكيك المتوازي: تستخدم النواة خريطة "كتلة واحدة لكل تكوين مصدر" و"خيط واحد لكل إثارة محتملة".
حلقة ثنائية المستويات: تتكرر الخيوط عبر مساحة افتراضية من الإثارات، وتقوم بعمليات بتية (Bitwise operations) لتوليد تكوينات جديدة وقراءات مفهرسة لجلب عناصر هاميلتون.
الترشيح المتوازي: يسمح الجمع القبلي (Prefix Sum) على مستوى الكتلة بضغط تدفق فعال وخالٍ من النزاعات لنتائج صالحة دون الحاجة إلى عمليات ذرية (Atomic Contention).

ج. نموذج تنفيذ متمحور حول ذاكرة وحدة معالجة الرسومات

للتغلب على جدار الذاكرة، يعامل إطار العمل ذاكرة وحدة معالجة الرسومات كذاكرة مخبئية عالية السرعة وليس كوسيط تخزين:

خط أنابيب ثلاثي المراحل: يتم تقسيم سير العمل إلى: التوليد/إزالة التكرار، الاستدلال/الاختيار، وحساب الطاقة/الاستعادة.
البث بنظام الدفعات الصغيرة (Mini-Batch Streaming): يتم تقسيم مجموعات البيانات الكبيرة إلى دفعات يمكن التحكم بها ( $B_{size}$ ). تُعالج البيانات الوسيطة بالتتابع للحد من ذروة استخدام الذاكرة.
التداخل غير المتزامن: باستخدام مسارات CUDA متعددة، يقوم النظام بالتداخل بين نقل المضيف إلى الجهاز (H2D)، الحوسبة (Kernel Computation)، ونقل الجهاز إلى المضيف (D2H). يخفي هذا زمن انتقال PCIe، مما يسمح لوحدة معالجة الرسومات بحساب الدفعة $i$ بينما تنقل الدفعة $i+1$ وتكتب الدفعة $i-1$ .
الفهرسة في الوقت المناسب (Just-in-Time Indexing): يتم إنشاء الفهارس العكسية المطلوبة لحساب الطاقة آنياً مقابل المجموعة الفريدة التي يتم بثها من ذاكرة المضيف، مما يتجنيد الحاجة إلى تجسيد فهارس ضخمة في ذاكرة وحدة معالجة الرسومات.

3. المساهمات الرئيسية

إطار عمل جديد يعمل بالكامل بوحدة معالجة الرسومات: يعد cuNN-SCI أول نظام ينقل سير عمل NNQS-SCI بالكامل (بما في ذلك التوليد، إزالة التكرار، والاستدلال) إلى وحدة معالجة الرسومات، مما يلغي اختناقات القابلية للتوسع في جانب وحدة المعالجة المركزية.
نوى عالية الأداء وإزالة تكرار موزعة: تقدم الورقة نوى CUDA متخصصة للحسابات المقترنة الدقيقة، وخوارزمية إزالة تكرار عالمية قائمة على الفرز ومتوازنة الأحمال تتوسع بكفاءة عبر مجموعات وحدات معالوة الرسومات المتعددة.
نموذج تنفيذ متمحور حول الذاكرة: تصميم وقت تشغيل مبتكر يستخدم بث الدفعات الصغيرة والإخراج غير المتزامن لكسر حاجز ذاكرة وحدة معالجة الرسومات المنفردة، مما يمكن من محاكاة أنظمة كانت تعتبر سابقاً غير قابلة للحل.
التحقق التجريبي المكثف: تقييم شامل عبر أنظمة جزيئية متنوعة (من الجزيئات الصغيرة إلى ثنائي الكروم بـ 84 كيوبت) يثبت كلاً من الدقة العددية والكفاءة على مستوى النظام.

4. النتائج التجريبية

تم تقييم إطار العمل على عنقود مكون من 64 وحدة NVIDIA A100 (بقدرة 40 جيجابايت لكل منها) باستخدام أنظمة كيميائية متنوعة (C2, N2, Cr2, إلخ):

تسريع شامل (End-to-End): حقق cuNN-SCI تسريعاً يصل إلى 2.32 ضعفاً مقارنة بالخط المرجعي الهجين (NNQS-SCI) المحسن للغاية.
- بالنسبة لنظام Cr2 (حمل توليد ثقيل)، انخفض وقت توليد التكوينات المقترنة بمقدار 432 ضعفاً، وانخفض وقت إزالة التكرار بمقدار 40 ضعفاً.
- بالنسبة لنظام N2، انخفض التوليد بمقدار 91 ضعفاً وإزالة التكرار بمقدار 22 ضعفاً.
إزاحة الاختناق: نجحت التحسينات في نقل اختناق الأداء من قيود جانب المضيف إلى الاستدلال العصبي داخل الجهاز، وهو المكون الأكثر قابلية للتوسع.
القابلية للتوسع:
- التوسع القوي (Strong Scaling): على 64 وحدة معالجة رسومات، حافظ النظام على كفاءة توازي بلغت 91.1% لنظام N2.
- التوسع الضعيف (Weak Scaling): أظهر النظام تسريعاً فائقاً للخط (Super-linear speedup) (كفاءة تصل إلى 163.7% على 64 وحدة معالجة رسومات). ويعزى ذلك إلى زيادة معدل التكرار في مساحات التكوين الأكبر، والتي تلغيها خوارزمية إزالة التكرار الفعالة، مما يقلل فعلياً من الحمل الحسابي لكل وحدة معالجة رسومات مع نمو العنقود.
إدارة الذاكرة: نجح إطار العمل في محاكاة أنظمة (مثل C2H4O, N2) كانت تتطلب نظرياً 65-70 جيجابايت من ذاكرة وحدة معالجة الرسومات. وباستخدام النموذج المتمحور حول الذاكرة، تم تقليل ذروة الاستخدام الفعلي إلى أقل من 40 جيجابايت، مما أبقى العمل ضمن حدود الأجهزة.
الدقة: حافظت النتائج على الدقة الكيميائية (أخطاء < 1.6 × 10⁻³ Hartree). وبينما كانت هناك انحرافات طفيفة في الفاصلة العائمة بسبب عمليات الاختزال غير التجميعية في وحدة معالجة الرسومات (متوسط خطأ مطلق MAE قدره ~3.91 × 10⁻⁴ Hartree لنظام Cr2)، إلا أن النتائج كانت متسقة مع خط الأساس NNQS-SCI الدقيق.

5. الأهمية

يمثل cuNN-SCI تحولاً جذرياً في الكيمياء الكمومية المدفوعة بالذكاء الاصطناعي. فمن خلال حل اختناقات النظام المتعلقة بالاتصال، وعدم توازن الحوسبة، وسعة الذاكرة، فإنه يتيح محاكاة أنظمة كمومية أكبر ومرتبطة بقوة كانت في السابق غير قابلة للوصول.

الأثر العلمي: يتيح للباحثين معالجة الأنظمة الجزيئية المعقدة (مثل ثنائي الكروم بـ 84 كيوبت) بدقة عالية، مما يسد الفجوة بين الأساليب المدفوعة بالذكاء الاصطناعي والمقارنات المرجعية الدقيقة للكيمياء الكمومية.
الأثر على الأنظمة: تقدم الورقة البحثية مخططاً لأنظمة "الذكاء الاصطناوي للعلوم" حيث غالباً ما تكون المكونات غير المعتمدة على الذكاء الاصطناعي (إدارة البيانات، المنطق) هي العائق. وتثبت أن نقل هذه المهام بالكامل إلى المسرعات، جنباً إلى جنب مع التنفيذ المتمحور حول الذاكرة، أمر ضروري لتوسيع نطاق المحاكاة العلمية لتصل إلى قدرات الحوسبة فائقة الأداء (Exascale).