← नवीनतम पेपर
🔬 physics

OpenMP GPU Acceleration and Portability of TRIMEG-C1 for Electromagnetic Gyrokinetic Simulations in Tokamak Plasmas

यह शोध पत्र NVIDIA और AMD आर्किटेक्चर के लिए TRIMEG-C1 इलेक्ट्रोमैग्नेटिक गायरोकाइनेटिक कोड के एक पोर्टेबल OpenMP-आधारित GPU त्वरण को प्रस्तुत करता है, जो आयन तापमान प्रवणता (Ion Temperature Gradient) मोड सिमुलेशन के माध्यम से कार्यान्वयन की शुद्धता को सत्यापित करते हुए AMD MI300A APUs पर नौ गुना गति वृद्धि प्रदर्शित करता है।

मूल लेखक: Giorgio Daneri, Zhixin Lu, Matthias Hoelzl, Luca Venerando Greco, Edoardo Carrà

प्रकाशित 2026-06-24
📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें
CC BY 4.0

मूल लेखक: Giorgio Daneri, Zhixin Lu, Matthias Hoelzl, Luca Venerando Greco, Edoardo Carrà

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि एक टोकामक (एक डोनट के आकार का परमाणु संलयन रिएक्टर) एक विशाल, अराजक रसोईघर है जहाँ अत्यधिक गर्म प्लाज्मा को पकाया जा रहा है। यह समझने के लिए कि यह प्लाज्मा कैसे व्यवहार करता है ताकि बर्तन पिघले नहीं, वैज्ञानिक TRIMEG-C1 नामक एक जटिल कंप्यूटर प्रोग्राम का उपयोग करते हैं। यह प्रोग्राम अरबों सूक्ष्म, अदृश्य "कणों" (जैसे सूक्ष्म शेफ) का अनुकरण करता है जो आपस में टकराते हैं और ऊर्जा की लहरें पैदा करते हैं।

लंबे समय तक, यह सिमुलेशन मानक कंप्यूटर प्रोसेसर (CPUs) पर चलता रहा। यह सटीक तो था, लेकिन अविश्वसनीय रूप से धीमा था—जैसे दस लाख लोगों के लिए दावत बनाने की कोशिश केवल एक बहुत ही धीमी चम्मच से करना।

यह शोध पत्र इस बारे में है कि कैसे वैज्ञानिकों ने उस चम्मच को एक सुपरपावर अपग्रेड दिया: ग्राफिक्स प्रोसेसिंग यूनिट्स (GPUs)। GPUs वही चिप्स हैं जो वीडियो गेम कंसोल में पाए जाते हैं, लेकिन वे एक साथ हजारों गणनाएँ करने के लिए बनाए गए हैं, जो उन्हें लाखों कणों का एक साथ अनुकरण करने के लिए एकदम सही बनाता है।

यहाँ वह कहानी है कि कैसे शोधकर्ताओं ने कोड को अपग्रेड किया, उन्हें किन बाधाओं का सामना करना पड़ा और उन्होंने क्या परिणाम प्राप्त किए।

1. चुनौती: एक साथ दो भाषाएँ बोलना

शोधकर्ता चाहते थे कि उनका कोड दो अलग-अलग प्रकार के "सुपर-शेफ" (GPUs) पर चल सके:

  • NVIDIA: बाजार का दबदबा रखने वाला खिलाड़ी (एक प्रसिद्ध, महंगे ब्रांड के रसोई उपकरण की तरह)।
  • AMD: एक उभरता हुआ प्रतिस्पर्धी जो सस्ता है और सुपरकंप्यूटरों में तेजी से आम होता जा रहा है।

समस्या क्या थी? कोड Fortran में लिखा गया था, जो विज्ञान के लिए एक पुरानी लेकिन शक्तिशाली भाषा है। Fortran कोड को GPUs पर चलाने वाले अधिकांश उपकरण विशेष रूप से NVIDIA के लिए डिज़ाइन किए गए थे। यदि वे उन उपकरणों का उपयोग करते, तो कोड AMD मशीनों पर टूट जाता। यदि वे प्रत्येक के लिए अलग-अलग संस्करण लिखते, तो उन्हें दो अलग-अलग कोडबेस बनाए रखने पड़ते, जो सॉफ्टवेयर डेवलपर्स के लिए एक दुस्वप्न जैसा है।

समाधान: उन्होंने OpenMP नामक एक टूल चुना। OpenMP को एक सार्वभौमिक अनुवादक (universal translator) के रूप में समझें। यह वैज्ञानिकों को निर्देशों का एक ऐसा सेट लिखने की अनुमति देता है जो कहता है, "इस गणना को GPU पर करें," और कंप्यूटर यह समझने में सक्षम होता है कि उस निर्देश को NVIDIA या AMD चिप के विशिष्ट भाषा में कैसे अनुवादित किया जाए।

2. बाधाएँ: हाईवे पर ऊबड़-खाबड़ सड़कें

यद्यपि पोर्टेबिलिटी (पोर्टेबिलिटी) के लिए OpenMP सही विकल्प था, लेकिन रास्ता सुगम नहीं था। शोधकर्ताओं को कई "गड्ढों" का सामना करना पड़ा क्योंकि इन GPUs के लिए कंपाइलर (वे प्रोग्राम जो कोड को मशीन भाषा में अनुवादित करते हैं) अभी भी अपने "शैशव काल" में थे।

  • "ब्लैक बॉक्स" की समस्या: कोड एक लाइब्रेरी (एक पूर्व-निर्मित टूलबॉक्स) पर निर्भर था जो "B-spline interpolation" नामक जटिल गणित करने के लिए थी। इस लाइब्रेरी ने उन्नत सुविधाओं का उपयोग किया जिन्हें GPU कंपाइलर अभी तक पूरी तरह से समझ नहीं पाए थे। शोधकर्ताओं को इस टूलबॉक्स के कुछ हिस्सों को मैन्युअल रूप से फिर से लिखना पड़ा, जो अनिवार्य रूप से कार के चलते रहने के दौरान ही उसके इंजन को फिर से बनाने जैसा था।
  • मेमोरी लीक (Memory Leak): एक प्रकार के GPU (NVIDIA) पर, कोड कुछ समय तक चलने के बाद अचानक फ्रीज हो जाता था। यह पता चला कि यह एक "रेस कंडीशन" (race condition) थी—कल्पना कीजिए कि दो शेफ एक ही समय में एक ही सामग्री को पकड़ने की कोशिश कर रहे हैं, जिससे गतिरोध (deadlock) पैदा हो गया। शोधकर्ताओं को इस अदृश्य बग को ढूंढना और ठीक करना पड़ा।
  • "अत्यधिक भीड़भाड़" वाली रसोई: जब उन्होंने एक ही GPU पर एक साथ बहुत अधिक सिमुलेशन चलाने की कोशिश की, तो मेमोरी खत्म हो गई। उन्हें डेटा को स्टोर करने के तरीके को पुनर्गठित करना पड़ा (जटिल संरचनाओं को सरल सूचियों में बदलना) ताकि GPU अभिभूत न हो जाए।

3. परिणाम: एक स्पीड डेमन (गति का दैत्य)

एक बार जब बग ठीक हो गए और कोड अनुकूलित हो गया, तो परिणाम प्रभावशाली थे।

  • गति में उछाल: एक विशिष्ट AMD सुपरकंप्यूटर ("Viper" क्लस्टर) पर, नया GPU संस्करण पुराने CPU संस्करण की तुलना में 9 गुना तेज़ था। एक उच्च श्रेणी की NVIDIA मशीन ("Pitagora" क्लस्टर) पर भी यह काफी तेज़ था।
  • "ओवरसब्सक्रिप्शन" टेस्ट: आमतौर पर, आप चाहते हैं कि एक GPU एक कार्य को संभाले। लेकिन वास्तविक सुपरकंप्यूटिंग में, संसाधन दुर्लभ होते हैं। शोधकर्ताओं ने परीक्षण किया कि क्या होता है यदि वे कई कार्यों को एक ही GPU को साझा करने के लिए मजबूर करते हैं। आश्चर्यजनक रूप से, कोड ने अच्छा प्रदर्शन किया, यह दिखाते हुए कि जब GPU कई काम करने में व्यस्त होता है, तब भी यह कुशल रह सकता है।
  • सटीकता की जाँच: गति बेकार है यदि परिणाम गलत हों। यह साबित करने के लिए कि GPU संस्करण भरोसेमंद है, उन्होंने दो प्रसिद्ध परीक्षण मामले चलाए:
    1. साइक्लोन केस (The Cyclone Case): प्लाज्मा अस्थिरता का एक सरलीकृत मॉडल। GPU परिणाम CPU परिणामों के लगभग समान थे (त्रुटि के एक बहुत छोटे अंतर के भीतर, जो मुख्य रूप से सिमुलेशन की यादृच्छिक प्रकृति के कारण था)।
    2. TCV केस (The TCV Case): एक वास्तविक दुनिया के फ्यूजन रिएक्टर का अधिक यथार्थवादी, जटिल मॉडल। फिर से, GPU संस्करण ने भौतिकी को सही ढंग से पुनरुत्पादित किया, ऊर्जा तरंगों के विकास और प्लाज्मा के आकार को पकड़ा।

4. निष्कर्ष (The Takeaway)

यह शोध पत्र निष्कर्ष निकालता है कि उन्होंने सफलतापूर्वक एक जटिल भौतिकी कोड का एक पोर्टेबल संस्करण बनाया है। यह एक यूनिवर्सल रिमोट कंट्रोल बनाने जैसा है जो दो अलग-अलग रिमोट खरीदने के बिना Samsung और LG दोनों टीवी पर काम करता है।

  • उन्होंने क्या हासिल किया: उन्होंने एक धीमे, CPU-आधारित सिमुलेशन को आधुनिक GPUs पर 9 गुना तेज़ बनाया, और यह NVIDIA और AMD दोनों प्रमुख हार्डवेयर ब्रांडों पर काम करता है।
  • उन्होंने क्या नहीं किया: उन्होंने नई भौतिकी का आविष्कार नहीं किया या ऊर्जा संकट को हल नहीं किया। उन्होंने केवल यह सिद्ध किया है कि फ्यूजन का अध्ययन करने के लिए उपयोग किया जाने वाला उपकरण अब बहुत तेज़ और अधिक लचीला है।

संक्षेप में, शोधकर्ताओं ने एक भारी, धीमी गति से चलने वाले वैज्ञानिक सिमुलेशन को लिया, उसे एक टर्बोचार्जर (GPUs) दिया, और यह सुनिश्चित किया कि वह टर्बोचार्जर किसी भी ब्रांड के इंजन पर काम करे, जिससे इस बात के अधिक विस्तृत अध्ययन का मार्ग प्रशस्त हुआ कि हम भविष्य में सितारों की शक्ति का उपयोग कैसे कर सकते हैं।

अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?

आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।

Digest आज़माएँ →

इसी तरह के और पेपर

इस विषय के सभी पेपर देखें 🔬 physics →