⚛️ lattice

Performance Portable $\mathrm{SU}(N)$ Lattice Gauge Theory Simulation with Kokkos

Este artículo presenta \texttt{kwqft}, una implementación basada en Kokkos de la simulación de Monte Carlo de Wilson para la teoría de Yang-Mills $\mathrm{SU}(N)$ que es portátil en términos de rendimiento, la cual soporta dimensiones arbitrarias y múltiples backends de hardware, logrando al mismo tiempo precisión y un rendimiento competitivo a través de diversos sistemas de computación de alto rendimiento.

Autores originales: Wei Sun

Publicado 2026-10-08

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Wei Sun

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Para comprender el universo en su nivel más fundamental, los físicos suelen recurrir a un método que trata el espacio y el tiempo no como un tejido suave y continuo, sino como una cuadrícula de puntos diminutos y discretos. Imagine un vasto e invisible tablero de ajedrez que se extiende por el cosmos, donde cada intersección contiene una pieza de información sobre las fuerzas que mantienen unidos a la materia. Esta es la esencia de la teoría de campos en el retículo (lattice gauge theory), una poderosa herramienta utilizada para simular el comportamiento de las partículas subatómicas y las fuerzas que las gobiernan, particularmente la fuerza fuerte que mantiene unidos los núcleos atómicos. Al descomponer el universo en estos fragmentos manejables, los científicos pueden utilizar computadoras masivas para rastrear las trayectorias de las partículas y calcular cómo interactúan, ejecutando efectivamente las leyes de la física a la inversa para ver qué emerge. Sin embargo, el hardware utilizado para ejecutar estas simulaciones se ha vuelto increíblemente diverso. Las supercomputadoras de hoy son un mosaico de diferentes procesadores, desde chips de computadora estándar hasta tarjetas gráficas especializadas, cada uno hablando un lenguaje técnico diferente y requiriendo su propio conjunto único de instrucciones para funcionar eficientemente.

Esta diversidad crea un dolor de cabeza significativo para los investigadores. Para obtener el mejor rendimiento de una máquina específica, a menudo tienen que reescribir su código de simulación desde cero para cada tipo diferente de procesador que deseen utilizar. Mantener versiones separadas del mismo algoritmo para diferentes computadoras es lento, costoso y propenso a errores. La pregunta que enfrenta la comunidad científica es si es posible escribir una única versión de este complejo código de simulación que pueda ejecutarse eficientemente en cualquier computadora moderna, desde un solo procesador hasta una supercomputadora masiva, sin sacrificar la velocidad. Wei Sun, un investigador del Instituto de Física de Altas Energías en Beijing, ha respondido a esta pregunta con una nueva herramienta de software llamada kwqft. Este programa demuestra con éxito que es posible crear un código único y universal para simular la fuerza fuerte que funcione tan bien como un código especializado para una máquina específica, independientemente del hardware en el que se ejecute.

El núcleo de este logro reside en un ingenioso enfoque de diseño de software que trata la arquitectura de la computadora como una variable en lugar de una restricción fija. Los investigadores construyeron su simulación utilizando un marco de programación moderno que actúa como un traductor universal. En lugar de escribir instrucciones separadas para una tarjeta gráfica, un procesador estándar o un chip especializado, escribieron un conjunto de instrucciones que el marco adapta automáticamente a la máquina en la que se está ejecutando. Esto permite que el mismo código se ejecute en una amplia variedad de sistemas, incluidos los de diferentes fabricantes, sin que los investigadores tengan que volver a tocar el código fuente. El software está diseñado para ser flexible, permitiendo a los científicos cambiar el número de dimensiones en su simulación o las propiedades específicas de las partículas que están estudiando simplemente ajustando unos pocos parámetros antes de que el programa comience, en lugar de reescribir todo el programa.

Para demostrar que este enfoque universal funciona, el equipo sometió su software a rigurosas pruebas en una amplia gama de hardware. Ejecutaron simulaciones en una potente tarjeta gráfica de NVIDIA, un chip especializado de Hygon y varios tipos diferentes de procesadores centrales, incluyendo modelos avanzados de Huawei e Intel. En cada caso, el software produjo resultados que coincidían con las soluciones exactas conocidas para versiones más simples del problema y concordaban con datos publicados previamente para escenarios más complejos. Los investigadores verificaron que la simulación reproducía correctamente el comportamiento de la fuerza fuerte en dos, tres y cuatro dimensiones, y para diferentes tipos de grupos de partículas, confirmando que el código universal no perdía precisión en el proceso de volverse portátil.

Los resultados de rendimiento fueron particularmente llamativos. Al ejecutarse en una tarjeta gráfica de alta gama, el software universal alcanzó casi la misma velocidad que una versión del código que había sido ajustada manualmente específicamente para esa tarjeta, alcanzando más del 90 por ciento de la eficiencia del código especializado en simulaciones más grandes. En una supercomputadora masiva en Shenzhen, conocida como LineShine, el software escaló para ejecutarse a través de 512 nodos, o unidades de cómputo individuales, simultáneamente. A medida que los investigadores añadían más potencia de cómputo, la simulación se aceleraba significamente, demostrando que el software podía manejar la compleja comunicación requerida para mantener a miles de procesadores trabajando juntos en armonía. Además, en la última generación de procesadores diseñados para cálculos vectoriales de alta velocidad, el software fue capaz de procesar múltiples puntos en la cuadrícula a la vez, acelerando la simulación por un factor de tres en comparación con una versión estándar del mismo código.

Las implicaciones de este trabajo se extienden más allá de una sola prueba exitosa. Al demostrar que un único código base puede ofrecer un rendimiento competitivo a través de un panorama de hardware tan diverso, los investigadores han eliminado una barrera importante para el progreso científico. Los científicos ya no necesitan elegir entre escribir un código que sea fácil de mantener y un código que sea rápido; ahora pueden escribir una vez y ejecutar en cualquier lugar, con la confianza de que el software se adaptará a la máquina en la que se encuentre. Esto abre la puerta a simulaciones más complejas del universo, permitiendo a los investigadores explorar preguntas sobre los primeros momentos del cosmos y la naturaleza de la materia con mayor facilidad y a una escala mayor que nunca. El éxito de kwqft sugiere que el futuro de la computación de alto rendimiento en la física puede no residir en reescribir constantemente el código para nuevas máquinas, sino en la creación de herramientas flexibles e inteligentes que puedan navegar por el cambiante panorama de la tecnología por sí mismas.

Resumen Técnico: Simulación de la Teoría de Gauge en Red SU( $N$ ) con Rendimiento Portátil mediante Kokkos

Planteamiento del Problema
La creciente heterogeneidad de los sistemas de computación de alto rendimiento (HPC), caracterizados por diversos procesadores multinúcleo (x86, Arm) y aceleradores (NVIDIA, AMD, Hygon), crea una carga de mantenimiento para las simulaciones de la Teoría de Gauge en Red (LGT). Tradicionalmente, los algoritmos requieren implementaciones separadas y específicas para cada arquitectura (por ejemplo, versiones distintas de CUDA, OpenMP e HIP) para lograr la portabilidad de rendimiento. Esta duplicación aumenta los costes de desarrollo y verificación. Si bien existen modelos de programación portátiles, muchos se centran principalmente en los operadores de fermiones o en el caso específico de SU(3). Existe la necesidad de una implementación única que soporte órdenes de grupo de gauge ( $N$ ) y dimensiones ( $D$ ) arbitrarios, manteniendo al mismo tiempo un rendimiento competitivo en CPUs y aceleradores.

Metodología
El artículo presenta kwqft (Kokkos Ken Wilson Quantum Field Theory), una implementación en C++20 de simulaciones de Monte Carlo de gauge de Wilson puro para la teoría de Yang-Mills SU( $N$ ). El software está construido exclusivamente sobre la capa de portabilidad de rendimiento Kokkos.

Núcleo Algorítmico: El código implementa la acción de gauge de Wilson anisotrópica utilizando actualizaciones de pseudo-heatbath (algoritmo de Cabibbo–Marinari para $N>2$ ) y sobrerelajación microcanónica. El orden del grupo de gauge $N$ y la dimensión $D$ son parámetros de tiempo de compilación, lo que permite al compilador desenrollar bucles y optimizar el uso de registros.
Mapeo de Kokkos:
- Estructuras de Datos: El campo de gauge se almacena en un diseño de Estructura de Arrays (SOA) para facilitar el acceso a la memoria coalescente en GPUs y las cargas vectorizadas en CPUs.
- Paralelismo: La red se descompone en tableros (checkerboards) pares e impares. Las actualizaciones paralelas se mapean a un parallel_for sobre $V/2$ sitios por paridad.
- Números Aleatorios: Un Random_XorShift64_Pool garantiza que cada sitio posea una secuencia de números aleatorios determinista, haciendo que la secuencia sea independiente del backend y del recuento de hilos.
- Memoria Distribuida: La capa de MPI gestiona los intercambios de halos (halo exchanges). La comunicación se solapa con las actualizaciones del interior; los buffers fantasma se empaquetan y envían de forma no bloqueante mientras se actualizan los sitios interiores.
Optimización SIMD en Host: Para los backends de CPU (OpenMP/Serial), el código emplea una ruta SIMD de sitios cruzados mediante Kokkos::Experimental::simd. Esto procesa un lote de sitios de la red ( $W$ ) simultáneamente. Utiliza cargas y almacenamientos de desentrelazado especializados en la ISA para ARM NEON/SVE y x86 AVX2/AVX-512, lo que permite que el álgebra densa $O(N^3)$ se ejecute a través de los carriles de los vectores sin alterar los kernels de dispositivos utilizados para las GPUs por sitio.

Contribuciones Clave

Genericidad de Dimensión y Grupo: Un único código fuente soporta órdenes $N$ arbitrarios (hasta al menos 17) y dimensiones $D$ , con $N$ y $D$ como constantes de tiempo de compilación.
Agnosticismo de Backend: La implementación apunta a espacios de ejecución Serial, OpenMP, CUDA, HIP y SYCL sin ramas específicas de backend en los kernels de física.
SIMD de Sitios Cruzados: Una novedosa ruta de host que vectoriza sitios de la red independientes a través de carriles SIMD, utilizando instrucciones de carga/almacenamiento especializadas para diversas ISAs, manteniendo el algoritmo central sin cambios para las GPUs.
Solapamiento de Memoria Distribuida: Una capa de intercambio de halos que solapa la comunicación MPI con las actualizaciones de la red interior, soportando configuraciones MPI+OpenMP, MPI+CUDA y MPI+HIP.
Verificación y Benchmarking: Validación exhaustiva contra soluciones exactas en 2D y datos publicados en 3D/4D, junto con pruebas de rendimiento en diversos hardware.

Resultados

Correctitud: La implementación reproduce los resultados analíticos exactos para las plaquetas de SU( $N$ ) en 2D para $N$ hasta 15. Coincide con los datos de Monte Carlo publicados para redes 3D y 4D (hasta $N=17$ ) dentro de las incertidumbres estadísticas.
Portabilidad de Rendimiento (GPU): En una NVIDIA A100, el backend CUDA de Kokkos alcanza entre el 81.5% y el 99.4% del rendimiento de un código CUDA nativo y optimizado a mano (Cardoso y Bicudo) para tamaños de red prácticos ( $L \ge 32$ ). La brecha de eficiencia se reduce a medida que aumenta el volumen de la red, lo que indica que la sobrecarga de abstracción es insignificante para problemas de gran escala.
Aceleración de Host SIMD: En procesadores LineShine LX2 Armv9 (SVE-512), la ruta SIMD de sitios cruzados proporciona una aceleración de 1.7× a 3.5× sobre la versión escalar de OpenMP para $N=2$ a 15. La aceleración aumenta con $N$ debido al predominio del álgebra de matrices densas.
Escalado Fuerte: En el supercomputador LineShine (512 nodos), el escalado fuerte de una red SU(4) ( $128^3 \times 256$ ) desde 16 a 512 nodos produce una aceleración de 16.2× (eficiencia del 51%). El escalado muestra ganancias superlineales en recuentos intermedios de nodos debido a la mejora en la localidad de caché y el aprovechamiento del ancho de banda de HBM.
Consistencia entre Arquitecturas: Los tiempos de trayectoria a través de seis plataformas (Kunpeng 920, Intel Xeon, LineShine LX2, NVIDIA A100, RTX 5060, Hygon DCU) siguen una dependencia de $N$ consistente. El Hygon DCU (backend HIP) rinde dentro de un factor de 1.3–2.6 de la A100, demostrando la portabilidad a ecosistemas ajenos a NVIDIA sin modificaciones del código fuente.

Significación
El artículo demuestra que una ruta completa de actualización de gauge puro y de medición puede expresarse una vez en Kokkos y ejecutarse con un rendimiento competitivo en una amplia gama de arquitecturas, desde procesadores individuales hasta supercomputadores de exaescala. Este trabajo valida que la portabilidad de rendimiento no requiere sacrificar la eficiencia; la capa de abstracción incurre en una sobrecarga mínima en las GPUs y permite aceleraciones significativas en las CPUs mediante la vectorización SIMD. El autor concluye que este enfoque aborda eficazmente los costes de mantenimiento de la computación heterogénea en la teoría de gauge en red, proporcionando una base para futuras extensiones a simulaciones de fermiones dinámicos.

Más como este