gevolution 2.0: GPU-accelerated relativistic N-body simulations for cosmology

Stellen Sie sich das Universum als einen riesigen, unsichtbaren Ozean vor. Seit Jahrhunderten versuchen Wissenschaftler, die Strömungen und Wellen in diesem Ozean zu kartieren, um zu verstehen, wie er entstand und wohin er sich bewegt. Meistens haben sie dafür eine vereinfachte Karte namens „Newtonsche Physik“ verwendet, die für alltägliche Dinge wie fallende Äpfel oder kreisende Planeten hervorragend funktioniert. Aber wenn man herauszoomt, auf das gesamte Universum oder die großräumige Struktur des Kosmos, beginnt diese einfache Karte zu verschwimmen. Man benötigt das vollständige, komplexe Regelwerk von Einsteins Allgemeiner Relativitätstheorie, um die wahre Gestalt von Raum und Zeit zu sehen. Das Problem ist, dass Einsteins Mathematik unglaublich schwerfällig ist; es ist, als versuche man, ein Millionen-Teile-Puzzle zu lösen, bei dem sich jedes Teil ständig verändert. Um dies zu bewältigen, nutzen Wissenschaftler Supercomputer, um „Simulationen“ durchzuführen, die im Grunde virtuelle Universen sind, in denen sie beobachten können, wie Galaxien entstehen und miteinander interagieren. Diese Simulationen waren jedoch langsam und begrenzt und zwangen Wissenschaftler oft dazu, zwischen Genauigkeit und Geschwindigkeit zu wählen.

Hier kommt gevolution ins Spiel, ein spezielles Computerprogramm, das darauf ausgelegt ist, das Universum unter Verwendung von Einsteins vollen Regeln zu simulieren. Bis jetzt war es wie ein High-End-Sportwagen, der nur auf einer sehr spezifischen, langsamen Rennstrecke fahren konnte. Das neue Paper stellt gevolution 2.0 vor, ein massives Upgrade, das dieses Auto in ein Raumschiff verwandelt. Die Autoren, Julian Adamek und Øyvind Christiansen, haben den Motor komplett neu aufgebaut, damit er auf GPUs (Graphics Processing Units) läuft. Sie kennen vielleicht GPUs als die leistungsstarken Chips in Gaming-Computern, die Videospiele fantastisch aussehen lassen. In der Welt der Wissenschaft sind diese Chips wie ein Schwarm aus tausenden winzigen, superschnellen Arbeitern, die alle zur gleichen Zeit Matheaufgaben lösen können. Indem sie gevolution beigebracht haben, diese GPU-Arbeiter zu nutzen, hat das Team es möglich gemacht, diese unglaublich komplexen Simulationen auf Einstein-Niveau viel schneller als je zuvor durchzuführen, was die Tür zum Verständnis des „dunklen Sektors“ des Universums öffnet – mysteriöse Dinge wie dunkle Energie und dunkle Materie, die wir nicht sehen, aber definitiv spüren können.

Das große Makeover: Von einem Arbeiter zu einem Schwarm

Stellen Sie sich die alte Version von gevolution wie eine Baustelle vor, auf der jeder einzelne Arbeiter (ein Computerprozessor) warten musste, bis die Person neben ihm eine Aufgabe abgeschlossen hatte, bevor er selbst anfangen konnte. Es war organisiert, aber langsam. Die neue Version, gevolution 2.0, ist wie die Einstellung einer massiven Armee spezialisierter Arbeiter. Die Autoren haben nicht einfach nur ein paar mehr Arbeiter hinzugefügt; sie haben den gesamten Arbeitsplatz reorganisiert. Sie nutzen nun drei Ebenen der Teamarbeit:

1. MPI: Dies ist der Projektmanager, der das Universum in Stücke teilt und sie an verschiedene Computer in einem riesigen Netzwerk verteilt.
2. OpenMP: Innerhalb jedes Computers ist dies ein Vorarbeiter, der sicherstellt, dass alle CPU-Kerne (die Standard-Rechenleistung) effizient zusammenarbeiten.
3. CUDA: Dies ist der eigentliche Game-Changer. Es verlagert die schwere Arbeit auf die GPUs. Stellen Sie sich die CPU-Kerne als das Gehirn vor, das die Route plant, während die GPUs eine Flotte von Rennwagen sind, die die Route mit Blitzgeschwindigkeit tatsächlich fahren.

Das Team musste den Teil des Codes umschreiben, der die „Teilchen“ (die virtuellen Sterne und Galaxien) handhabt. In der alten Version waren die Teilchen wie ein unordentlicher Haufen Murmeln, die man einzeln sortieren musste. In der neuen Version sind sie in ordentlichen Reihen organisiert, was es der GPU ermöglicht, tausende von ihnen gleichzeitig zu greifen und zu bewegen. Es ist der Unterschied zwischen einem Bibliothekar, der Bücher einzeln sortiert, und einem Roboterarm, der ein ganzes Regal auf einmal greifen kann.

Das Rennen: Wie schnell ist schnell?

Um zu beweisen, dass ihr neuer Motor funktioniert, haben die Autoren gevolution 2.0 einigen ernsthaften Tests auf dem „Alps“-Supercomputer in der Schweiz unterzogen. Diese Maschine ist ein Biest, vollgepackt mit Nvidia Grace Hopper 200 Superchips (jeder mit 72 CPU-Kernen und einer leistungsstarken GPU).

Sie führten einen „Strong Scaling“-Test durch, was so etwas wie die Frage ist: „Wenn wir dasselbe gleich große Puzzle mehr und mehr Arbeitern geben, wie viel schneller sind wir dann fertig?“ Die Ergebnisse waren beeindruckend. Als sie die Anzahl der Computer erhöhten, stieg die Simulationsgeschwindigkeit fast perfekt an. Die Teile des Codes, die die Teilchen bewegen („Kick“- und „Drift“-Schritte), waren so schnell, dass sie selbst mit tausenden Arbeitern kaum langsamer wurden. Sie fanden jedoch einen Engpass: das Schreiben der Ergebnisse auf die Festplatte. Es ist wie ein Rennwagen, der 200 mph fahren kann, aber die Ziellinie ist ein schmales Tor, durch das immer nur ein Auto nach dem anderen passen kann. Trotz der Geschwindigkeit musste das Team beim Speichern der Daten warten, was viel Zeit in Anspruch nahm.

Sie verglichen gevolution 2.0 auch mit zwei anderen berühmten Simulationscodes: PKDGRAV3 und Gadget-4.

• PKDGRAV3 ist wie ein meisterhafter Zimmermann, der ein spezielles Werkzeug benutzt, um jede winzige Detail der Holzmaserung zu messen (adaptive Auflösung). Er ist sehr genau für kleine, klumpige Dinge, braucht aber lange.
• Gadget-4 ist ein zuverlässiger, altmodischer LKW, der mit Standardkraftstoff fährt (nur CPUs). Er ist robust, aber viel langsamer als die neuen Rennwagen.
• gevolution 2.0 ist der neue elektrische Rennwagen. Er nutzt ein festes Gitter (wie ein Schachbrett) anstatt jedes winzige Detail zu messen.

Die Ergebnisse zeigten, dass gevolution 2.0 etwa 4,5-mal schneller war als die alte CPU-only-Version seiner selbst. Im Vergleich zu den anderen Codes war es etwa 20-mal schneller als PKDGRAV3 und fast 200-mal schneller als Gadget-4 (unter Berücksichtigung der Anzahl der verwendeten Computer).

Aber Geschwindigkeit ist nicht alles. Die Autoren prüften, ob der Rennwagen auch genau ist. Sie verglichen das „Leistungsspektrum“ (eine Grafik, die zeigt, wie klumpig das Universum ist) aus ihrer Simulation mit dem der anderen.

• Auf großen Skalen (große Teile des Universums) stimmte gevolution fast perfekt mit den anderen überein.
• Auf mittleren Skalen war es immer noch unglaublich nah dran und wich nur um etwa einen Tausendstel ab.
• Auf den allerkleinsten Skalen (den winzigsten Details) verlor gevolution etwas an Genauigkeit, da es ein festes Gitter verwendet. Es ist, als würde man versuchen, einen Kreis mit einem Lineal zu zeichgen; man bekommt eine gute Form, aber die Kanten sind im Vergleich zu einer freien Handzeichnung etwas zackig. Das Paper stellt fest, dass dieser kleine Verlust an Detailgenauigkeit für die meisten wissenschaftlichen Fragen ein fairer Kompromiss für den massiven Geschwindigkeitsgewinn ist.

Warum das wichtig ist

Die Hauptfeststellung dieses Papers ist, dass gevolution 2.0 ein voll funktionsfähiges, GPU-beschleunigtes Werkzeug ist, das das Universum unter Anwendung der vollen Gravitationsgesetze von Einstein mit einer Geschwindigkeit simulieren kann, die für solch komplexe Berechnungen zuvor als unmöglich galt. Die Autoren zeigen, dass man zwar massive Geschwindigkeitsgewinne erzielen kann, es aber auch einen Trade-off gibt: Das feste Gitter bedeutet, dass man auf den ganz kleinsten Skalen im Vergleich zu Methoden, die ihre Auflösung anpassen, etwas an Genauigkeit verliert. Für viele wissenschaftliche Fragen ist dieser Kompromiss jedoch akzeptabel und ermöglicht es Forschern, relativistische Simulationen durchzuführen, die zuvor zu langsam für die Praxis waren.

Sie sind sich über die Leistungszahlen sehr sicher, weil sie diese direkt auf einem echten Supercomputer gemessen haben. Sie sind auch zuversichtlich, dass der Code für die Standard-Kosmologie funktioniert, und legen nahe, dass diese Beschleunigung besonders nützlich sein wird, um „exotische“ Modelle des Universums zu untersuchen, wie etwa solche, die neue Arten von dunkler Energie oder Feldern betreffen, die sich auf seltsame Weise verhalten. Das Paper behauptet nicht, das Rätsel der dunklen Materie gelöst zu zu haben, aber es stellt ein viel schnelleres, leistungsfähigeres Mikroskop bereit, um nach Hinweisen zu suchen.

Kurz gesagt: Die Autoren haben ein schweres, langsames und komplexes Werkzeug genommen und es in ein flinkes, Hochgeschwindigkeitsinstrument verwandelt. Damit ermöglichen sie es Wissenschaftlern, detailliertere und genauere Simulationen unseres Universums durchzuführen und uns so helfen, dem Verständnis der unsichtbaren Kräfte näher zu kommen, die alles formen, was wir sehen.