An eightfold equivalence-preserving speedup of the JUNO OMILREC vertex and energy reconstruction

تخيل كاميرا تحت الماء عملاقة وفائقة الحساسية، تقبع في أعماق الأرض، تنتظر رصد الهمسات الشبحية لجسيمات تسمى "النيوترينو". هذه الجسيمات خجولة للغاية لدرجة أنها يمكن أن تمر عبر سنوات ضوئية من الرصاص دون أن تتوقف، ولكن عندما تتفاعل مع السائل الخاص داخل الكاميرا، فإنها تترك خلفها ومضة ضوئية ضئيلة. لفهم ما حدث، يحتاج العلماء إلى تحديد مكان حدوث هذه الومضة بدقة (الرأس أو الـ vertex) ومدى طاقتها. الأمر يشبه محاولة العثور على "يراعة" في ملعب مظلم من خلال الاستماع إلى صدى طنينها من آلاف الميكروفونات المنتشرة في كل مكان. برنامج الكمبيوتر الذي يقوم بهذا الحساب يسمى "ملاءمة الاحتمال الأقصى" (maximum-likelihood fit). إنه يشبه المحقق الذي يتعين عليه اختبار ملايين المواقع المحتملة لليراعة، والتحقق من بيانات كل ميكروفون لكل تخمين، حتى يجد البقعة التي تبدو الأكثر منطقية. المشكلة هي أن هذا المحقق بطيء للغاية؛ إذ يستغرق تشغيل هذه الاختبارات وقتاً طويلاً، وبما أن الكاميرا ترصد آلاف الأحداث، فإن الكمبيوتر يصاب بالارتباك، مما يخلق عنق زجاجة يبطئ عملية الاكتشاف العلمي بأكملها.

يخبرنا هذا البحث قصة كيف حول فريق من العلماء ومساعد ذكاء اصطناعي ذلك المحقق البطيء إلى محقق فائق السرعة، دون تغيير الإجابات التي يقدمها. لقد أخذوا البرنامج الأصلي، الذي كان يستغرق حوالي 1.5 ثانية لحل لغز واحد، وسرعوه إلى أقل من 0.2 ثانية. هذا تحسن بمقدار ثمانية أضعاف! لم يغيروا الرياضيات أو قواعد الفيزياء؛ بل أصلحوا الطريقة التي "يفكر" بها الكمبيوتر في البيانات. لقد أدركوا أن البرنامج ليس بطيئاً لأن الرياضيات كانت صعبة للغاية، بل لأنه كان يضيع الوقت في البحث عن المعلومات، مثل أمين مكتبة يضطر للركض باستمرار إلى مؤخرة المكتبة لإحضار كتاب بدلاً من أخذه من المكتب مباشرة. ومن خلال تنظيم الكتب (البيانات) بشكل أفضل وإيقاف أمين المكتبة عن القيام برحلات غير ضرورية، جعلوا العملية فعالة للغاية. النتيجة هي نسخة خارقة من البرمجيات تحل نفس الألغاز بنفس الدقة، ولكن في جزء بسيط من الوقت، مما يسمح للتجربة بالتعامل مع قدر أكبر بكثير من البيانات دون الحاجة لشراء مليون كمبيوتر جديد.

القوة الخارقة الجديدة للمحقق

مرصد "جيانغمن" للنيوترينو تحت الأرض (JUNO) هو تجربة ضخمة مصممة لحل لغز كيفية اكتساب النيوترينو لكتلته. ولتحقيق ذلك، يستخدم كاشفاً مركزياً مليئاً بـ 17,612 مستشعراً ضوئياً ضخماً (أنابيب تضاعف الضوء). عندما يتفاعل نيوترينو، فإنه يخلق نمطاً من ضربات الضوء عبر هذه المستشعرات. يعمل البرنامج المسمى OMILREC كدماغ، حيث يحاول إعادة بناء مكان وقوع الحدث بالضبط وكمية الطاقة التي أطلقها. وهو يفعل ذلك باستخدام "ملاءمة الاحتمال الأقصى"، وهي طريقة إحصائية تختبر مواقع وطاقات مختلفة لترى أي منها يتوافق مع البيانات المرصودة بشكل أفضل.

ومع ذلك، كانت النسخة الأصلية من هذا البرنامج بطيئة نوعاً ما. فمقابل كل حدث واحد، كان على الكمبيوتر إجراء حوالي 470 "تقييماً" (تخمينات). ولكل تخمين، كان عليه المرور عبر جميع المستشعرات البالغ عددها 17,612 لحساب نمط الضوء المتوقع. وهذا يعني أن الكمبيوتر كان يقوم بنحو 760 مليون فحص للمستشعرات لمجرد 100 حدث فقط. اكتشف الفريق أن البرنامج لم يكن بطيئاً بسبب تعقيد الرياضيات؛ بل كان بطيئاً لأنه كان "مقيداً بزمن الاستجابة" (latency-bound). بعبارات بسيطة، كان الكمبيوتر يقضي معظم وقته في انتظار وصول البيانات من الذاكرة، مثل طاهٍ ينتظر وصول المكونات إلى المطبخ، بدلاً من الطبخ الفعلي. كان يستخدم حوالي 10% فقط من سرعته المحتملة لأنه كان يقفز باستمرار بين أجزاء مختلفة من الكود ويطارد المؤشرات في الذاكرة.

وصفة التسريع

لم يقم المؤلفون بإعادة كتابة الفيزياء أو تغيير منطق الخوارزمية. بدلاً من ذلك، طبقوا سلسلة من "التحسينات التي تحافظ على التكافؤ". فكر في الأمر كإعادة ترتيب المطبخ بحيث لا يضطر الطاهي لمغادرة الموقد أبداً. استخدموا نهجاً خطوة بخطوة، حيث تم اختبار كل تغيير مقابل "مرجع مجمد" — نسخة مثالية وغير معدلة من الكود الأصلي. إذا جعل التغيير الإجابة مختلفة ولو قليلاً (تجاوزت هامشاً ضئيلاً مقبولاً)، فإنه يُرفض. هذا ضمن بقاء نتائج الفيزياء كما هي تماماً، ولكنها أسرع بكثير.

إليكم كيف فعلوا ذلك، خطوة بخطوة:

1. تسطيح البيانات (Flattening the Data): توقفوا عن جعل الكمبيوتر يقفز بين كائنات افتراضية مختلفة، وبدلاً من ذلك وضعوا البيانات في صف مستمر ومرتب. أدى هذا إلى إزالة "مطاردة المؤشرات" التي كانت تسبب التأخير.
2. المتجهات الجماعية (Bulk Vectorization): قاموا بتجميع حسابات الهندسة (مثل الزوايا والمسافات) بحيث يمكن للكمبيوتر القيام بها جميعاً دفعة واحدة، مثل خط تجميع في مصنع، بدلاً من القيام بها واحداً تلو الآخر.
3. رفع العمليات الثابتة (Hoisting Invariant Work): أدركوا أن الكمبيوتر كان يعيد حساب الأشياء نفسها (مثل الضوضاء المظلمة وقوائم الضربات) مراراً وتكراراً لكل تخمين. فقاموا بنقل هذه الحسابات إلى البداية، ليتم تنفيذها مرة واحدة فقط لكل حدث.
4. الحوسبة المسبقة (Precomputation): قاموا بتخزين (حفظ) الكميات التي لا تتغير كثيراً، بحيث يمكن للحلقة الداخلية مجرد قراءتها بدلاً من إعادة حسابها.
5. تقسيم الحلقات (Loop Splitting): قاموا بتخصيص الحلقات لمراحل مختلفة من الملاءمة، متجاوزين الحسابات غير الضرورية للمستشعرات التي لم تكن ذات صلة في تلك اللحظة المحددة.
6. المسارات السريعة (Fast Paths): بالنسبة للسيناريوهات الأكثر شيوعاً، استخدموا مساراً رياضياً أسرع قليلاً وأقل دقة، لكنه لا يزال دقيقاً بما يكفي للمهمة.

النتائج: أسرع، وليست مختلفة

كانت النتائج دراماتيكية. على معالج Intel Xeon، انخفض وقت إعادة بناء حدث واحد من 1524.8 ميلي ثانية إلى 189.2 ميلي ثانية، أي تحسن بمقدار 8.06 مرات. وعلى معالج AMD، انخفض من 705.1 ميلي ثانية إلى 134.9 ميلي ثانية، أي تحسن بمقدار 5.22 مرة. ومع المزيد من التعديلات، وصلوا حتى إلى 177.7 ميلي ثانية (تحسن بمقدار 8.6 مرة).

الأهم من ذلك، يؤكد البحث أن هذا التسريع لم يأتِ على حساب الدقة. فبالنسبة لأول سبع نسخ من الكود المحسن، كانت النتائج "متطابقة بتاتياً" (bit-identical) مع الكود الأصلي، مما يعني أن مخرجات الكمبيوتر كانت هي نفسها تماماً حتى آخر رقم. أما النسخ اللاحقة التي استخدمت رياضيات مختلفة قليلاً، فقد كانت الاختلافات ضئيلة جداً (ضمن انحراف نسبي قدره 1.3 × 10⁻¹⁴)، مما جعلها ضمن حدود السلامة. وعندما اختبروا النتائج النهائية على ما يقرب من 861,000 حدث معايرة، تطابقت المواقع والطاقات المعاد بناؤها مع الخط المرجعي الأصلي ضمن نطاق 4 مليمترات و 7 كيلو إلكترون فولت (keV) على التوالي. أثبت هذا أن الكود الأسرع كان موثوقاً تماماً مثل الكود البطيء.

لاحظ الفريق أيضاً أن وكيل برمجة مدعوم بالذكاء الاصطناعي ساعدهم في كتابة والتحقق من هذه التحسينات، حيث عمل كمساعد لا يكل للتحقق من كل تغيير مقابل القواعد الصارمة. ويخلص البحث إلى أن هذه الطريقة — تشخيص عنق الزجاجة، والتحسين تحت "عقد تكافؤ" صارم، والتحقق باستخدام مرجع مجمد — هي نموذج يمكن استخدامه لتسريع المحاكاة العلمية المعقدة الأخرى دون تغيير استنتاجاتها العلمية. لم يجعلوا الكمبيوتر أسرع فحسب؛ بل جعلوه أكثر ذكاءً في كيفية استخدام وقته، مما يثبت أن أفضل طريقة لحل مشكلة صعبة هي التوقف عن إضاعة الوقت في الأجزاء السهلة.