CP2K on the road to exascale

Stellen Sie sich vor, Sie versuchen zu verstehen, wie sich ein Wassertropfen verhält – nicht nur als statische Flüssigkeit, sondern als ein lebendiges, atmendes System, in dem jedes einzelne Atom ständig in Bewegung ist, kollidiert und reagiert. Um dies zu erreichen, nutzen Wissenschaftler eine leistungsstarke Art von Computersimulation, die Materie gemäß den strengen Gesetzen der Quantenmechanik behandelt, der Physik, die das Allerkleinste regiert. Diese Simulationen sind unglaublich anspruchsvoll, da sie die Bewegung von Elektronen und Kernen gleichzeitig verfolgen müssen – eine Aufgabe, die enorme Rechenleistung erfordert. Jahrzehntelang haben Forscher auf Supercomputer vertraut, um diese Berechnungen durchzuführen, aber während die Systeme, die sie untersuchen wollen, immer größer werden – vom winzigen Cluster hin zu riesigen Materialien mit Millionen von Atomen –, ist die benötigte Zeit, um eine Antwort zu erhalten, zu einem Engpass geworden. Das Ziel war es schon immer, einen Punkt zu erreichen, an dem Computer diese Probleme so schnell lösen können, dass Wissenschaftler komplexe chemische Prozesse in Echtzeit beobachten können, indem sie ganze Welten aus Atomen simulieren, statt nur wenige.

Ein Team von Forschern hinter dem CP2K-Softwarepaket, einem weit verbreiteten Werkzeug für diese Art von atomaren Simulationen, arbeitet daran, die Lücke zwischen den derzeitigen Fähigkeiten und der nächsten Generation von Supercomputern, den sogenannten Exascale-Maschinen, zu schließen. Diese neuen Computer sind darauf ausgelegt, eine Trillion (Quintillion im Englischen) Berechnungen pro Sekunde durchzuführen, was einen massiven Sprung in der Geschwindigkeit bedeutet. Es reicht jedoch nicht aus, einfach nur schnellere Hardware zu haben; die Software muss neu geschrieben werden, um mit der einzigartigen Arbeitsweise dieser Maschinen zurechtzukommen. Die Arbeit des Teams konzentriert sich auf die Verfeinerung der Kernalgorithmen, die die Simulationen antreiben, um sicherzustellen, dass sie skalieren können, um Millionen von Prozessorkernen gleichzeitig zu nutzen, ohne ins Stocken zu geraten. Sie sind besonders an einer spezifischen Methode interessiert, der sogenannten Second-Generation Car-Parrinello-Molekulardynamik, die es dem Computer ermöglicht, die Bewegung von Atomen über sehr lange Zeiträume, wie etwa Nanosekunden, zu simulieren, während die Elektronen in ihrem stabilsten Zustand gehalten werden. Dieser Ansatz ist entscheidend, da er die Untersuchung realistischer Systeme mit endlicher Temperatur ermöglicht, wie etwa Flüssigkeiten oder Feststoffe, anstatt nur eingefrorener Momentaufnahmen von Materie.

Die Forscher haben drei große Trends im modernen Computing identifiziert, an die sich ihre Software anpassen muss: die Notwendigkeit massiver paralleler Verarbeitung, die weit verbreitete Nutzung von Grafikprozessoren (GPUs) für Berechnungen und die Verfügbarkeit von Hardware, die Berechnungen mit unterschiedlichen Präzisionsstufen durchführt. Um diese Herausforderungen zu bewältigen, hat das Team die Art und Weise, wie ihr Code Daten verarbeitet, restrukturiert. Sie haben neue Wege entwickelt, um große mathematische Probleme in kleinere, unabhängige Stücke zu unterteilen, die verschiedene Teile eines Computers gleichzeitig lösen können, ohne sich ständig gegenseitig Rücksprache halten zu müssen. Dies wird erreicht, indem die Daten in feste Blöcke organisiert werden, die bestimmten Threads der Verarbeitung zugewiesen sind, was die Verzögerungen eliminiert, die normalerweise auftreten, wenn viele Prozessoren gleichzeitig auf dieselben Informationen zugreifen wollen. Sie haben zudem die Unterstützung für GPUs integriert – jene leistungsstarken Chips, die ursprünglich für Videospiele entwickelt wurden, aber heute für das wissenschaftliche Rechnen essenziell sind –, wodurch die Software die schwersten Berechnungen an diese spezialisierten Beschleuniger auslagern kann.

Ein erheblicher Teil ihrer Bemühungen besteht darin, die mathematische Komplexität der Elektronenwechselwirkungen anzugehen, die den teuersten Teil dieser Simulationen ausmachen. Traditionell erforderte die Berechnung, wie Elektronen einander in einem großen System abstoßen, eine Anzahl von Schritten, die exponentiell anstieg, sobald das System größer wurde, was groß angelegte Simulationen nahezu unmöglich machte. Das Team hat neue Techniken eingeführt, um vernachlässigbare Wechselwirkungen herauszufiltern, indem es effektiv die winzigen Kräfte ignoriert, die nicht von Bedeutung sind, was die Rechenkosten drastisch reduziert. Sie haben auch Methoden entwickelt, um die Elektronendichte mithilfe kleinerer, leichter zu berechnender Matrizen zu approximieren und die Ergebnisse später mit einer präziseren, aber kostengünstigeren Berechnung zu korrigieren. Dies ermöglicht es ihnen, eine hohe Genauigkeit beizubehalten und gleichzeitig die benötigte Zeit drastisch zu senken. Darüber hinaus untersuchen sie den Einsatz von „Mixed Precision“, wobei der Computer den Großteil seiner Arbeit mit einem niedrigeren Grad an numerischer Genauigkeit durchführt, der schneller zu berechnen ist, und dann eine spezialisierte mathematische Korrektur verwendet, um sicherzustellen, dass das Endergebnis exakt bleibt.

Die Ergebnisse dieser Entwicklungen sind bereits beeindruckend. In Simulationen von Bulk-Wasser demonstrierten die Forscher, dass ihr optimierter Code Systeme mit bis zu einer Million Atomen auf einem Supercomputer mit zehntausenden Kernen handhaben konnte. Kürzlich erreichten sie durch die Kombination ihrer neuen Submatrix-Methode mit dem Reinigungsverfahren für die Elektronendichte eine rekordverdächtige Simulation eines Systems mit mehr als 100 Millionen Atomen. Diese massive Berechnung lief auf einem Supercomputer mit einer Dauerleistung von 324 Petaflops und nutzte mehr als 67 Prozent der gesamten theoretischen Leistung der Maschine. Diese Effizienz beweist, dass die Software die rohe Geschwindigkeit moderner Hardware effektiv nutzen kann, um Probleme zu lösen, die zuvor unerreichbar waren.

Mit Blick auf die Zukunft sehen die Autoren eine Welt voraus, in der diese klassischen Simulationen durch andere aufkommende Technologien ergänzt werden. Sie schlagen vor, dass künstliche Intelligenz, insbesondere tiefe neuronale Netwerke, dazu verwendet werden könnten, Entscheidungen während einer Simulation zu treffen – zum Beispiel zu bestimmen, ob eine komplexe Berechnung von Grund auf neu durchgeführt werden muss oder ob ein trainiertes Netzwerk eine ausreichend genaue Antwort liefern kann. Sie sehen auch hybride Ansätze vor, bei denen ein Quantencomputer, der nach den Prinzipien der Quantenmechanik arbeitet, neben dem klassischen Supercomputer agieren könnte, um spezifische Teile des Problems zu lösen, wie etwa die Berechnung des Verhaltens von Elektronen in einer Weise, die für klassische Maschinen derzeit zu schwierig ist. Während diese zukünftigen Anwendungen noch in der Planungsphase sind, legt die aktuelle Arbeit an CP2K das wesentliche Fundament und stellt sicher, dass die Software bereit ist, sich parallel zur Hardware weiterzuentwickeln, um das Versprechen des Exascale-Computings in eine praktische Realität für das Verständnis der materiellen Welt zu verwandeln.