Vidyut3d: a GPU accelerated fluid solver for non-equilibrium plasmas on adaptive grids

Este artículo presenta Vidyut3d, un resolvedor de fluidos de plasma fuera del equilibrio, acelerado por GPU y con portabilidad de rendimiento, construido sobre la biblioteca AMReX que logra aceleraciones de 150 a 400 veces en sistemas multiarquitectura de CPU+GPU mientras mantiene una precisión de segundo orden mediante mallas adaptativas y esquemas numéricos avanzados.

Lo esencial

Imagina que estás intentando predecir cómo se mueve una nube de tormenta, pero en lugar de lluvia y viento, la "nube" está hecha de partículas cargadas (plasma) que pueden alcanzar temperaturas más calientes que la superficie del sol, mientras que el aire que las rodea permanece frío. Este es el mundo del plasma fuera de equilibrio, y se utiliza en todo, desde la fabricación de chips informáticos hasta la limpieza de líquidos.

El artículo presenta una nueva herramienta digital llamada Vidyut3d (que se traduce aproximadamente como "Eléctrico 3D"). Piensa en esta herramienta como un simulador de pronóstico meteorológico de alta velocidad y gran precisión, pero diseñado específicamente para estas diminutas y caóticas tormentas eléctricas.

Aquí tienes un desglose de lo que dice el artículo, utilizando analogías sencillas:

1. El problema: El "atasco de tráfico" matemático

Simular plasma es increíblemente difícil porque implica millones de partículas diminutas interactuando a diferentes velocidades.

• La forma antigua: Los programas informáticos tradicionales (que se ejecutan en procesadores estándar) son como un único cajero en un supermercado intentando escanear millones de artículos uno por uno. Funciona, pero toma mucho tiempo.
• La nueva forma: Los autores construyeron Vidyut3d para que funcione en GPUs (Unidades de Procesamiento Gráfico). Si un procesador estándar es un único cajero, una GPU es un almacén masivo con miles de cajeros trabajando en perfecta sincronía. Esto permite que la computadora haga las matemáticas mucho, mucho más rápido.

2. La función de "Zoom Inteligente" (Mallas Adaptativas)

Uno de los mayores desafíos es que las tormentas de plasma tienen centros diminutos e intensos (como la punta de un rayo) y áreas enormes y tranquilas a su alrededor.

• La analogía: Imagina intentar tomar una foto de una multitud. Si haces zoom hacia afuera para ver a todos, las caras se ven borrosas. Si haces zoom hacia adentro para ver una sola cara, pierdes el resto de la multitud.
• La solución: Vidyut3d utiliza Refinamiento de Malla Adaptativa (Adaptive Mesh Refinement). Es como una cámara que hace zoom automáticamente y de forma muy cercana solo donde está ocurriendo la acción (las "cabezas de la tormenta") y se mantiene con el zoom alejado para las áreas tranquilas. Esto ahorra una cantidad masiva de potencia de cómputo porque no pierde tiempo calculando detalles donde nada está cambiando.

3. Cómo lo probaron (La prueba de la "Realidad Fabricada")

Antes de confiar en un simulador, hay que demostrar que funciona. Los autores utilizaron algunas pruebas ingeniosas:

• La prueba de la "Solución Manufacturada": Crearon una tormenta de plasma falsa y ficticia donde ya conocían la respuesta exacta. Ejecutaron su simulador y comprobaron: "¿Obtuvo la computadora la respuesta que ya conocíamos?". Lo hizo, con alta precisión.
• La prueba del "Rayo": Simularon un "streamer" (un pequeño rayo) moviéndose a través de gas. Compararon sus resultados con otros artículos científicos famosos y descubrieron que sus números coincidían casi perfectamente.
• La prueba de la "Caja de Cristal": Simularon un experimento de laboratorio estándar (la celda de referencia GEC) que los científicos utilizan para probar equipos. Su simulación coincidió con mediciones del mundo real y otros modelos computacionales.

4. Las Grandes Simulaciones (Poniéndolo en práctica)

Una vez que demostraron que la herramienta funcionaba, ejecutaron dos simulaciones masivas en 3D para demostrar su potencia:

• El "Espectáculo de Rayos": Simularon 14 rayos (streamers) moviéndose a través de una mezcla de gases de Argón e Hidrógeno. Observaron cómo estos rayos interactuaban, se fusionaban y se movían. Esto tomó unos 3 horas en una supercomputadora con 200 potentes tarjetas gráficas.
• La "Fábrica de Películas Delgadas": Simularon una máquina utilizada para recubrir materiales (como la fabricación de paneles solares). Esto involucró una configuración compleja con tres electrodos. Lo ejecutaron durante mucho tiempo para ver cómo el plasma se asentaba en un estado estacionario.

5. El Resultado de Velocidad (El factor "Cohete")

El hallazgo más impresionante es la velocidad.

• Los autores compararon la ejecución de su simulación en un solo procesador estándar (CPU) frente a una sola tarjeta gráfica (GPU) de alto rendimiento.
• El resultado: La GPU fue de 150 a 400 veces más rápida que la CPU individual.
• La analogía: Si la CPU tardara un mes en terminar una simulación, la GPU podría hacerla en unas pocas horas. Esto hace posible ejecutar simulaciones 3D complejas que antes eran imposibles o tardaban demasiado tiempo para ser útiles.

Resumen

El artículo presenta Vidyut3d, un nuevo software de código abierto que actúa como una cámara de zoom inteligente y súper rápida para tormentas eléctricas (plasmas). Al utilizar tarjetas gráficas (GPUs) modernas y una técnica de "zoom inteligente", puede simular comportamientos complejos de plasma cientos de veces más rápido que los métodos anteriores, ayudando a los científicos a diseñar mejores herramientas para la fabricación y la energía.

Resumen técnico

Resumen Técnico: Vidyut3d – Un Solucionador de Fluidos Acelerado por GPU para Plasmas Fuera de Equilibrio

Planteamiento del Problema

Los plasmas fuera de equilibrio (no térmicos) son críticos para diversas aplicaciones de ingeniería, incluyendo la fabricación de semiconductores, la síntesis de materiales y la modificación de superficies. Estas descargas se caracterizan por electrones de alta energía (10,000–100,000 K) que coexisten con un fondo gaseoso mucho más frío (300–1,000 K). Simular estos fenómenos es computacionalmente desafiante debido a la amplia gama de escalas espaciales y temporales, así como al estrecho acoplamiento entre procesos físicos como las reacciones por impacto electrónico, la química de fase gaseosa y el transporte de especies.

Aunque los métodos de Partícula en Celda con Colisión de Monte Carlo (PIC-MCC) son efectivos para regímenes de baja presión, se vuelven prohibitivamente costosos en presiones más altas (por ejemplo, condiciones atmosféricas), donde los modelos de fluidos son más apropiados. Los solucionadores de fluidos existentes para plasmas fuera de equilibrio (por ejemplo, MOOSE, HPEM, COMSOL, PLASIMO, SOMAFOAM) a menudo carecen de disponibilidad de código abierto o no admiten la paralelización híbrida CPU+GPU, lo que limita su capacidad para aprovechar las arquitectas de Computación de Alto Rendimiento (HPC) modernas. Existe una brecha específica en solucionadores de fluidos de código abierto y portátiles en cuanto a rendimiento, capaces de ejecutarse eficientemente en sistemas heterogéneos CPU+GPU para descargas de plasma no térmico.

Metodología

Los autores presentan Vidyut3d, un solucionador de fluidos diseñado para abordar estas limitaciones. El solucionador está implementado en C++ utilizando AMReX, una biblioteca de rejilla cartesiana adaptativa de alto rendimiento, lo que permite su ejecución tanto en arquitectes de GPU NVIDIA como AMD.

Modelo Matemático

El solucionador emplea un modelo de dos temperaturas para regímenes de presión intermedia y alta, resolviendo ecuaciones de conservación acopladas para:

• Transporte de Especies: Conservación de densidades numéricas para electrones, iones y neutros utilizando la aproximación de deriva-difusión.
• Electrostática: Una ecuación de Poisson para determinar los campos eléctricos y potenciales auto-consistentes.
• Energía Electrónica: Una ecuación de energía electrónica para resolver la temperatura electrónica ($T_e$), la cual impulsa las tasas de reacción y las propiedades de transporte.
• Fotoionización: Se utiliza un modelo simplificado de la ecuación de Helmholtz de tres términos para computar los términos fuente de fotoionización, esenciales para las simulaciones de propagación de streamers.
• Carga Superficial: Una condición de contorno rastrea la densidad de carga superficial en superficies dieléctricas.

El modelo asume presión y temperatura constantes para el gas de fondo, con el acoplamiento a las ecuaciones de fluido de gas completas indicado como trabajo futuro.

Métodos Numéricos

• Discretización: Una formulación de volumen finito en rejillas cartesianas.
• Advección: Discretizada mediante un esquema WENO (Weighted Essentially Non-Oscillatory) de quinto orden.
• Difusión: Tratada implícitamente mediante un esquema central de segundo orden.
• Integración Temporal: Un esquema de Runge-Kutta implícito global de segundo orden (método del punto medio) avanza el sistema. El solucionador soporta tanto pasos de tiempo fijos como pasos de tiempo adaptativos basados en números de Courant para advección, difusión y relajación dieléctrica.
• Geometría: Aunque es principalmente cartesiano, el solucionador soporta configuraciones axisimétricas y enmascaramiento de celdas para manejar geometrías complejas (por ejemplo, celdas de referencia GEC) mediante la desactivación de soluciones en regiones específicas.

Implementación de Software

• Portabilidad: El código utiliza el sistema de lanzamiento basado en lambdas de C++ de AMReX para la ejecución en GPU e interactúa con HYPRE para sistemas lineales rígidos.
• Química: Un analizador personalizado basado en Python (adaptado de CEPTR) convierte archivos YAML con formato CANTERA en código fuente C++ compatible tanto con el host (CPU) como con el dispositivo (GPU). Esto permite la inclusión de cinéticas de plasma complejas, incluyendo reacciones de impacto electrónico, extinción de especies excitadas y recombinación ion-ion.

Contribuciones Clave y Verificación

El artículo proporciona un conjunto integral de verificación y validación:

1. Método de Soluciones Manufacturadas (MMS):

   • Precisión Espacial: La verificación en un dominio 1D demostró una precisión formal de segundo orden en el espacio tanto para la densidad de especies como para el potencial, a pesar del uso de un esquema de advección de quinto orden (limitado por el esquema de difusión central).
   • Precisión Temporal: La verificación confirmó que el esquema de integración temporal logra una precisión de primer orden con una iteración de corrector y precisión de segundo orden con dos o más iteraciones.

2. Comparaciones de Referencia (Benchmarks):

   • Descarga Capacitiva (He a 1 Torr): Los resultados coincidieron con modelos de fluidos establecidos (Turner et al., SOMAFOAM, mps1d) y mostraron discrepancias esperadas con modelos PIC debido a la parametrización de las propiedades de transporte.
   • Propagación de Streamers: El solucionador reprodujo con éxito los resultados de referencia de Bagheri et al. para la propagación de un streamer positivo en aire, tanto con como sin física de fotoionización.
   • Celda de Referencia GEC: Las simulaciones de una descarga de RF de argón a baja presión mostraron un acuerdo razonable con datos experimentales (Overzet y Hopkins) y modelos de fluidos previos, capturando los picos de densidad electrónica y los perfiles radiales.

Evaluación de Rendimiento

Los autores realizaron estudios de rendimiento en tres arquitecturas distintas de CPU+GPU (NVIDIA H100, A100 y AMD MI250X) utilizando una simulación de streamer 3D con 4 millones de celdas y 15 especies.

• Aceleración (Speed-up): Una sola GPU demostró una aceleración de 150x a 400x por paso de tiempo en comparación con un solo núcleo de CPU.
• Escalabilidad:
  • Escalabilidad Fuerte: Se observó una escalabilidad favorable hasta 2048 núcleos de CPU. La escalabilidad de la GPU fue óptima hasta aproximadamente 40 GPUs, punto tras el cual el rendimiento decae debido a la transferencia de memoria CPU-GPU y la sobrecarga de comunicación entre GPUs.
  • Optimización: Optimizaciones recientes del código, incluyendo MPI consciente de GPU (GPU-aware MPI) y resolución simultánea de múltiples especies, mejoraron la eficiencia computacional de la GPU en un 26% y la de la CPU en un 7.5%.

Simulaciones de Demostración

El solucionador se aplicó a dos casos de producción complejos en 3D:

1. Descarga de Streamer de Ar-H2 Atmosférico: Una simulación de 14 streamers interactuando en una mezcla de Argón-Hidrógeno. El refinamiento de malla adaptativa (AMR) refinó dinámicamente la rejilla a una resolución de ~12 µm en regiones de alto gradiente, utilizando 337 millones de celdas en su punto máximo. La simulación se ejecutó en 200 GPUs NVIDIA H100 durante 3 horas de tiempo de pared (wall-clock time).
2. Reactor de Tres Electrodos de RF: Una simulación de baja presión (0.1 Torr) de un reactor de deposición de película delgada con dos objetivos alimentados y un sustrato conectado a tierra. El solucionador capturó la formación de la vaina de plasma y las distribuciones de densidad a lo largo de 1,000 ciclos de RF.

Significado y Reivindicaciones

El artículo afirma que Vidyut3d representa el primer solucionador de fluidos de plasma no térmico de código abierto y portátil en términos de rendimiento, capaz de ejecutarse eficientemente en arquitecturas CPU+GPU modernas. Su importancia radica en:

• Accesibilidad: Proporcionar una herramienta de código abierto (disponible en GitHub) para la comunidad de plasma.
• Escalabilidad: Permitir simulaciones de alta fidelidad en 3D de fenómenos de plasma complejos (por ejemplo, interacción de streamers, geometrías de reactores) que anteriormente eran computacionalmente prohibitivos.
• Portabilidad: Lograr la abstracción de las dependencias de hardware para ejecutarse tanto en GPUs NVIDIA como AMD sin modificación de código, facilitando el uso de diversos recursos de HPC.

Los autores concluyen que, si bien la implementación actual se centra en modelos de fluidos, los esfuerzos en curso apuntan a incorporar penalización por volumen para geometrías complejas, acoplamiento de circuitos externos y más optimizaciones de rendimiento para GPU.