MadVfold: accelerating NLO event generation and reducing negative weights with SIMD vectorization and GPUs

In der hochriskanten Welt der Teilchenphysik lassen Wissenschaftler am Large Hadron Collider Protonen zusammenprallen, um die Bedingungen des frühen Universums zu rekonstruieren. Um das Trümmerfeld zu verstehen, verlassen sie sich auf Computersimulationen, die vorhersagen, was während dieser Kollisionen geschehen sollte. Die Berechnung dieser Vorhersagen mit extremer Präzision ist jedoch eine monumentale Aufgabe. Die genauesten Methoden, bekannt als Next-to-Leading-Order-Berechnungen, sind unglaublich langsam und rechenintensiv. Ein großes Hindernis in diesen Simulationen ist das Auftreten von „negativen Gewichten“, ein mathematischer Eigenart, bei dem einige simulierte Ereignisse einen negativen Wert tragen. Um das Rauschen, das diese negativen Werte erzeugen, auszugleichen und ein klares Bild zu erhalten, müssen Forscher wesentlich größere Chargen von Ereignissen generieren als üblich, was enorme Mengen an Rechenleistung und Zeit verbraucht.

Um dies zu lösen, haben Physiker eine Technik namens „Folding“ (Faltung) entwickelt. Stellen Sie sich vor, Sie versuchen, den Wert eines komplexen Integrals durch das Abtasten eines einzelnen Punktes zu schätzen; dies kann verrauscht und ungenau sein. Folding ist wie das Berechnen derselben komplexen Funktion für mehrere verschiedene Variationen der kinematischen Variablen eines einzelnen Ereignisses und das anschließende Mitteln der Ergebnisse. Dieser Ansatz liefert eine stabilere Schätzung des Integrals, was hilft, das statistische Rauschen zu glätten und die Anzahl der negativen Gewichte zu reduzieren. Obwohl diese Methode effektiv ist, ist sie selbst sehr langsam, da der Computer gezwungen ist, die gleiche komplexe Berechnung viele Male für ein einzelnes Ereignis durchzuführen. Ein neuer Ansatz, der von Andrea Valassi am CERN beschrieben wurde, zielt darauf ab, diesen Prozess zu beschleunigen, indem er die moderne Computerhardware nutzt, um diese wiederholten Berechnungen gleichzeitig statt nacheinander durchzuführen.

Valassis Arbeit führt eine Methode namens „vectorized folding“ (vektorisierte Faltung) ein, welche die parallele Verarbeitungsleistung moderner Grafikkarten und fortschrittlicher Zentralprozessoren nutzt. Anstatt den Computer zu bitten, die Physik für eine spezifische Variation eines Ereignisses zu berechnen, dann die nächste und so weiter, gruppiert die neue Software Dutzende dieser Variationen zusammen. Sie sendet dann diese gesamte Charge an den Prozessor des Computers, der alle von ihnen gleichzeitig berechnet. Dies ist ein bedeutender Wandel gegenüber der traditionellen Art und Weise, wie diese Simulationen laufen, die Ereignisse sequenziell verarbeitet. Durch die Umstrukturierung der Software, um diese parallele Kapazität zu nutzen, schuf der Forscher ein neues Werkzeug namens MADVFOLD, das für das weit verbreitete Simulationspaket Madgraph5_aMC@NLO konzipiert ist.

Die Ergebnisse dieser Umstrukturierung sind beeindruckend. In Tests, die die Kollision von Elektronen und Positronen zur Erzeugung von Bottom-Quarks beinhalteten, reduzierte die neue Methode die benötigte Zeit zur Generierung simulierter Ereignisse drastisch. Bei Verwendung fortschrittlicher Prozessoren, wie sie in modernen Rechenzentren zu finden sind, machte die vektorisierte Faltungstechnik die Berechnung etwa sechsmal bis neunmal schneller als die Standardmethode. Wenn die Berechnungen an eine Grafikverarbeitungseinheit (GPU) ausgelagert wurden, war die Beschleunigung noch ausgeprägter und erreichte fast das Zehnfache der Geschwindigkeit des ursprünglichen Ansatzes. Diese Gewinne wurden nicht durch eine Änderung der zugrunde liegenden Physik erzielt, sondern durch eine Änderung der Art und Weise, wie der Computer die Mathematik ausführt, was es ihm ermöglicht, die schwere Arbeit der Faltung wesentlich effizienter zu bewältigen.

Die Forschung untersuchte auch, ob dieser parallele Ansatz auch ohne die Folding-Technik angewendet werden könnte. Selbst in diesem „unfolded“ (ungefalteten) Szenario, in dem das Ziel lediglich darin besteht, die Standard-Simulation zu beschleunigen, lieferte die neue Software eine Verdreifachung der Geschwindigkeit. Dies deutet darauf hin, dass die architektonischen Änderungen, die zur Unterstützung von Folding vorgenommen wurden, breitere Vorteile bieten und den gesamten Simulationsprozess effizienter machen. Die Arbeit wurde unter Anwendung eines neuartigen Prozesses entwickelt, bei dem der Forscher stark auf Large Language Models zurückgriff, um beim Schreiben und Testen des Codes zu unterstützen – eine Methode, die es ermöglichte, das Projekt in nur etwa sechs Wochen vom Konzept zur fertigen Software zu führen.

Trotz der beeindruckenden Geschwindigkeitssteigerungen stellt das Paper fest, dass Folding eine rechenintensive Technik bleibt. Selbst mit dieser Hardwarebeschleunigung dauert das Ausführen einer Simulation mit Folding immer noch signifikant länger als das Ausführen einer Simulation ohne sie. Der Kompromiss ist jedoch oft notwendig, da Folding die Anzahl der Ereignisse mit negativen Gewichten reduziert, was wiederum die Gesamtzahl der Ereignisse verringert, die benötigt werden, um ein statistisch signifikantes Ergebnis zu erzielen. Indem die neue Methode den Folding-Prozess selbst viel schneller macht, wird dieser notwendige Kompromiss für zukünftige Experimente, einschließlich des bevorstehenden High-Luminosity LHC-Programms, handhabbarer. Die Studie kommt zu dem Schluss, dass die Software zwar bereit für weitere Tests und Verfeinerungen ist, aber einen bedeutenden Schritt darstellt, um hochpräzise Teilchenphysik-Simulationen für die massiven Datensätze, die in den kommenden Jahren erwartet werden, praktikabler zu machen.