Integrated photonic multigrid solver for partial differential equations

Die Welt der modernen Wissenschaft und des Ingenieurwesens stützt sich stark auf die Lösung komplexer mathematischer Rätsel, die als partielle Differentialgleichungen bekannt sind. Diese Gleichungen beschreiben, wie sich Dinge über die Zeit und den Raum hinweg verändern, und steuern alles – vom Luftstrom um einen Flugzeugflügel bis hin zum Verhalten von Subatomarteilchen in einem Atom. Um Antworten zu finden, zerlegen Wissenschaftler diese kontinuierlichen Probleme in winzige, diskrete Teile und erstellen so ein massives Gitter aus Zahlen, das ein Computer lösen muss. Während unsere Simulationen detaillierter und genauer werden, wachsen diese Gitter auf Milliarden von Unbekannten an, was selbst die leistungsfähigsten Supercomputer an ihre Grenzen bringt. Die Schwierigkeit liegt nicht nur in der schieren Anzahl der Berechnungen, sondern auch in der Art und Weise, wie diese Berechnungen in einer spezifischen, schrittweisen Reihenfolge durchgeführt werden müssen, was moderne digitale Hardware verlangsamt. Obwohl Forscher versucht haben, die Geschwindigkeit durch einfachere, mathematische Verfahren mit geringerer Präzision zu erhöhen, bedeutet die Diskrepanz zwischen der parallelen Natur heutiger Chips und der sequenziellen Natur dieser Probleme, dass wir noch immer einen Großteil unserer Rechenleistung verschwenden.

Ein Forschungsteam der Universität Heidelberg hat einen Weg gefunden, diese Lücke zu schließen, indem es das Beste aus zwei verschiedenen Welten kombiniert: der Geschwindigkeit des Lichts und der Zuverlässigkeit digitaler Elektronik. Sie haben einen neuen Typus von Solver entwickelt, der einen spezialisierten Chip aus Licht verwendet, bekannt als integrierter photonischer Prozessor, um die Schwerstarbeit der Berechnung zu bewältigen, während ein Standard-Digitalcomputer erst dann einspringt, um sicherzustellen, dass das Endergebnis perfekt genau ist. Dieser Ansatz, den sie als Mixed-Precision-Photonic-Multigrid-Framework bezeichnen, ermöglicht es dem System, die zeitaufwendigsten Teile des Problems an den optischen Bereich auszulagern, in dem Daten mit Lichtgeschwindigkeit und nahezu ohne Verzögerung reisen. Das Ergebnis ist eine Maschine, die schwierige wissenschaftliche Probleme mit einem Präzisionsniveau lösen kann, das für rein analoge optische Computer bisher unmöglich war, während sie gleichzeitig die Anzahl der Operationen, die von traditionellen digitalen Prozessoren erfordert werden, drastisch reduziert.

Der Kern dieser Innovation ist eine Methode, die den Fehler in einer Berechnung wie eine raue Oberfläche behandelt, die geglättet werden muss. Bei herkömmlichen Lösungsmethoden versucht der Computer, alle rauen Stellen gleichzeitig zu glätten, was langsam und schwierig ist. Die neue Methode nutzt eine Multi-Level-Strategie: Zuerst werden die winzigen, schnellen Fluktuationen auf einem feinen Gitter geglättet, und dann wird zu gröberen Gittern gewechselt, um die größeren, langsameren Fehler zu korrigieren. Die Forscher bauten ein physisches Gerät, das als „Glätter“ (Smoother) für diese winzigen Fluktuationen fungiert. Dieses Gerät ist ein Crossbar-Array, eine gitterartige Struktur, bei der die Verbindungen zwischen den Drähten die Regeln des Problems speichern. Anstatt elektronische Schalter zur Durchführung von Berechnungen zu verwenden, nutzt das Gerät Lichtimpulse. Wenn ein Lichtimpuls in das Gitter eintritt, durchläuft er die gespeicherten Regeln, und die Intensität des Lichts ändert sich, um das Ergebnis einer Multiplikation darzustellen. Da Licht nicht unter dem elektrischen Widerstand und den Ladeverzögerungen leidet, die Elektronen verlangsamen, geschieht dieser Prozess fast augenblicklich.

Lichtbasierte Berechnungen sind jedoch von Natur aus verrauscht, was bedeutet, dass sie kleine Fehler einführen können, die eine hochpräzise wissenschaftliche Simulation ruinieren würden, wenn sie unkorrigiert blieben. Die Forscher lösten dies, indem sie das photonische Gerät nur für die anfänglichen, groben Glättungsschritte verwendeten, bei denen ein wenig Rauschen akzeptabel ist. Danach überlassen sie einem Standard-Digitalcomputer die Aufgabe, die abschließenden, hochpräzisen Korrekturen vorzunehmen. Dieser hybride Aufbau ermöglicht es dem System, vom extrem niedrigen Latenzgrad des optischen Prozessors zu profitieren, ohne die für die reale Wissenschaft erforderliche Genauigkeit zu opfern. Das Team testete sein System an zwei klassischen Problemen: der Berechnung des elektrischen Feldes zwischen zwei geladenen Platten, einer Aufgabe, die als Poisson-Gleichung bekannt ist, und der Lösung der Energieniveaus eines Quantenteilchens in einer spezifischen Art von Falle, bekannt als Schrödinger-Gleichung. In beiden Fällen konvergierte der hybride Solver zu einer Lösung mit einem Fehler, der so klein war, dass er weniger als eins zu zehn Milliarden betrug – ein Präzisionsniveau, mit dem rein optische Systeme bisher Schwierigkeiten hatten.

Die Leistungssteigerungen waren signifikant. Für das Problem des elektrischen Feldes reduzierte der neue Solver die Anzahl der hochpräzisen digitalen Berechnungen um 60 Prozent. Für das Problem des Quantenteilchens war die Reduktion mit 80 Prozent sogar noch größer. Das bedeutet, dass das System die gleiche Arbeit mit wesentlich weniger Energie und Zeit leistet. Die Forscher trieben das System dann an seine Grenzen, indem sie es auf ein viel schwierigeres Problem aus der Teilchenphysik anwandten, die Gitter-Quantenchromodynamik (Lattice Quantum Chromodynamics), welche beschreibt, wie Quarks und Gluonen interagieren. Diese Art von Berechnung ist berüchtigt schwierig, da die mathematischen Systeme extrem instabil werden, wenn die Masse der Quarks klein ist – ein Phänomen, das als kritisches Slowing-Down bekannt ist. Standardmäßige hybride Methoden versagen unter diesen Bedingungen vollständig, aber der adaptive photonische Solver der Forscher blieb robust. Indem sie den optischen Glatter nutzten, um die schwierigen Teile der Berechnung zu handhaben, reduzierten sie die digitale Arbeitslast für diese schlecht konditionierten Systeme um bis zu 97 Prozent.

Diese Arbeit weist auf einen neuen Weg für das Computing in einer Ära hin, in der das traditionelle Wachstum der Prozessorgeschwindigkeit nachlässt. Durch die Kombination der rohen Geschwindigkeit der lichtbasierten Verarbeitung mit der Zuverlässigkeit digitaler Korrektur haben die Forscher einen Solver geschaffen, der sowohl schnell als auch präzise ist. Das System ersetzt den Digitalcomputer nicht, sondern arbeitet neben ihm und übernimmt die repetitiven, niederpräzisen Aufgaben, die moderne Supercomputer ausbremsen. Das Team demonstrierte, dass dieser Ansatz Probleme mit Konditionierungszahlen (Condition Numbers) – einem Maß für die mathematische Schwierigkeit – bewältigen kann, die weit höher liegen als die der bisherigen hybriden Versuche. Obwohl das aktuelle Gerät ein Prototyp ist, sind die zugrunde liegenden Prinzipien skalierbar. Die Forscher glauben, dass diese photonischen Prozessoren, wenn sie größer und effizienter werden, einen massiven Schub für die Geschwindigkeit und Effizienz wissenschaftlicher Simulationen liefern könnten, was neue Möglichkeiten für die Untersuchung von allem – von der Fluiddynamik bis hin zu den fundamentalen Kräften des Universums – eröffnet.