Advancing Quantum Many-Body GW Calculations on Exascale Supercomputing Platforms

Questo lavoro presenta implementazioni innovative del metodo GW nel pacchetto BerkeleyGW su piattaforme exascale come Frontier e Aurora, che permettono simulazioni di materiali quantistici su sistemi eterogenei fino a 17.574 atomi con prestazioni record di oltre un ExaFLOP/s e un'ottima portabilità su architetture GPU.

L'essenziale

Immagina di voler costruire una casa perfetta. Per farlo, non ti basta guardare i mattoni uno per uno (come fa la fisica classica); devi capire come ogni singolo mattone "parla" con tutti gli altri, come vibrano insieme e come reagiscono alla luce. Questo è il mondo dei materiali quantistici, dove le regole sono strane e i calcoli sono mostruosamente complessi.

Ecco la storia di come un gruppo di scienziati ha usato i computer più potenti del mondo per risolvere questo puzzle, spiegata in modo semplice.

1. Il Problema: Troppi Mattoni, Troppi Calcoli

Fino a poco tempo fa, per studiare materiali complessi (come quelli usati nei computer quantistici o nelle celle solari), gli scienziati usavano dei metodi "semplificati". Era come cercare di prevedere il traffico in una grande città guardando solo una singola strada: utile per piccole cose, ma fallisce quando la città diventa enorme e caotica.

Il metodo che volevano usare, chiamato GW, è come una telecamera ad altissima definizione che vede tutti i dettagli delle interazioni tra gli elettroni. È il metodo più preciso che abbiamo, ma è anche costosissimo da calcolare. È come se per prevedere il metoro di domani dovessi calcolare il movimento di ogni singola goccia d'acqua nell'oceano. I computer normali si bloccavano dopo pochi minuti.

2. La Soluzione: I Supercomputer "Esascale"

Per risolvere questo problema, gli scienziati hanno usato due mostri sacri della tecnologia: Frontier (negli USA) e Aurora. Questi sono computer "Esascale", ovvero macchine così potenti da poter fare un trilione di calcoli al secondo (un ExaFLOP).

Immagina di avere un esercito di 100.000 chef (i processori del computer) pronti a cucinare. Il problema era: come farli lavorare tutti insieme senza che si urtino, si confondano o usino ricette diverse?

3. L'Innovazione: La "Traduzione Universale"

Il vero trucco di questo lavoro non è stato solo usare computer potenti, ma aver scritto un "linguaggio universale" per il software BerkeleyGW.

• Il problema: I computer Frontier usano chip AMD, mentre Aurora usa chip Intel. È come se un esercito parlasse italiano e l'altro francese. Di solito, dovresti scrivere due programmi diversi.
• La magia: Gli scienziati hanno creato un codice che funziona su entrambi i tipi di chip senza dover riscrivere tutto da zero. È come se avessero creato un traduttore istantaneo perfetto: il software dice "cucina questo piatto" e sia il chef italiano che quello francese capiscono esattamente cosa fare, ottenendo risultati eccellenti su entrambi.

4. Le Tecniche Segrete: Come hanno velocizzato tutto?

Per far correre questi calcoli alla velocità della luce, hanno usato tre trucchi geniali:

1. Il "Filtro Intelligente" (Pseudobands): Invece di calcolare ogni singolo elettrone (ce ne sono migliaia), hanno inventato un metodo per raggrupparli in "pacchetti" intelligenti. È come se invece di contare ogni singolo granello di sabbia sulla spiaggia, contassero i secchielli pieni. Si perde pochissima precisione, ma si guadagna un tempo enorme.
2. La "Cucina a Catena" (Full-Frequency): Normalmente, per calcolare certe cose, si devono fare molti tentativi (come assaggiare la zuppa 100 volte). Hanno creato un metodo che fa tutti i tentativi in un solo colpo, risparmiando tempo.
3. L'Organizzazione dei Tavoli (Ottimizzazione dei Chip): Hanno riorganizzato i dati in modo che ogni "chef" (processore) avesse tutto ciò che gli serve sul suo tavolo, senza dover correre in cucina a prendere ingredienti. Questo ha permesso di usare la potenza dei computer al 50-60% della loro capacità massima teorica, un risultato incredibile.

5. Il Risultato: Cosa abbiamo imparato?

Grazie a questo lavoro, ora possiamo simulare materiali con 17.574 atomi (un numero enorme per questo tipo di calcoli).

• Prima: Potevamo studiare solo piccole molecole o cristalli semplici.
• Ora: Possiamo studiare difetti complessi in materiali usati per i computer quantistici, come i "centri di vacanza" nel diamante o strati di grafene attorcigliati.

L'analogia finale:
Immagina di dover studiare come si comporta un'orchestra sinfonica.

• Prima: Ascoltavamo solo il violino solista (metodi vecchi).
• Ora: Con questo nuovo software e questi supercomputer, possiamo ascoltare tutti gli strumenti contemporaneamente, capire come il violino reagisce al flauto, come il timpano influenza il violoncello, e prevedere esattamente quale sarà il suono finale, anche se l'orchestra è grande come un'intera città.

Perché è importante per noi?

Questo non è solo un esercizio accademico. Questa capacità ci permette di progettare il futuro.

• Potremo creare computer quantistici più stabili che non si "rompono" facilmente.
• Potremo inventare nuovi materiali per l'energia solare che catturano la luce in modo perfetto.
• Potremo sviluppare batterie che durano di più e si ricaricano in secondi.

In sintesi, gli scienziati hanno preso un metodo di calcolo troppo lento per essere utile e lo hanno trasformato in un razzo spaziale, capace di volare su qualsiasi tipo di motore, aprendo la porta alla scoperta di materiali che cambieranno il nostro mondo.

Sommario tecnico

Titolo: Avanzamento dei Calcoli GW a Molti Corpi Quantistici su Piattaforme di Supercomputing Exascale

1. Il Problema e il Contesto

La ricerca sui materiali quantistici sta affrontando sfide crescenti a causa della complessità dei sistemi studiati (come difetti nei semiconduttori, superreticoli di moiré e materiali eterogenei su larga scala). Sebbene la Teoria del Funzionale Densità (DFT) sia efficace per sistemi di grandi dimensioni, presenta limitazioni significative nella descrizione delle proprietà degli stati eccitati (come i gap di banda e l'accoppiamento elettrone-fonone), che richiedono una trattazione esplicita delle interazioni elettrone-elettrone.

Il metodo GW (dove $G$ è la funzione di Green e $W$ l'interazione di Coulomb schermata) è lo stato dell'arte per calcolare queste proprietà con alta precisione. Tuttavia, la complessità computazionale del metodo GW è estremamente elevata, tipicamente con una scalabilità di $O(N^4)$ rispetto alla dimensione del sistema ($N$). Questo rende i calcoli GW proibitivi per sistemi contenenti migliaia di atomi, specialmente quando si richiedono calcoli a frequenza completa (Full-Frequency) o per l'accoppiamento elettrone-fonone (GWPT). Inoltre, l'avvento di supercomputer exascale con architetture GPU eterogenee (NVIDIA, AMD, Intel) ha creato la necessità di software portabili che mantengano alte prestazioni su tutte queste piattaforme.

2. Metodologia e Innovazioni

Il team ha implementato innovazioni metodologiche e algoritmiche nel pacchetto software BerkeleyGW per sfruttare le piattaforme exascale Frontier (AMD) e Aurora (Intel). Le principali innovazioni includono:

• Portabilità Reale delle Prestazioni: Utilizzo di modelli di programmazione basati su direttive (OpenACC e OpenMP) combinati con ottimizzazioni specifiche per l'hardware (HIP per AMD, SYCL per Intel, CUDA per NVIDIA). Questo approccio ha permesso di ottenere prestazioni elevate su architetture diverse mantenendo un'unica base di codice.
• Metodo GWPT (GW Perturbation Theory): Implementazione della prima teoria delle perturbazioni GW per calcolare sistematicamente l'accoppiamento elettrone-fonone a livello di molti corpi, superando i limiti della DFPT (Density Functional Perturbation Theory) per materiali con forti correlazioni.
• GW a Frequenza Completa (Full-Frequency - FF): Sviluppo di un metodo che calcola la dipendenza dalla frequenza della polarizzabilità senza approssimazioni di tipo plasmon-pole, utilizzando un'approssimazione di sottospazio statico per ridurre il costo computazionale da $O(N_G^2)$ e il collo di bottiglia della memoria da $O(N^3)$.
• Algoritmo Stocastico-Deterministico Ibrido: Introduzione di "pseudobande" stocastiche per comprimere lo spazio delle funzioni d'onda ad alta energia. Questo riduce drasticamente il numero di bande necessarie per la convergenza, abbassando la scalabilità effettiva del calcolo e permettendo di trattare sistemi molto grandi.
• Ottimizzazione dei Kernel GPU:
  • Diagonale: Ottimizzazione del kernel GPP (Generalized Plasmon-Pole) per gli elementi diagonali della matrice di auto-energia, con gestione esplicita della memoria e unrolling dei loop per massimizzare l'utilizzo dei registri.
  • Off-Diagonale: Riformulazione del calcolo degli elementi fuori diagonale della matrice di auto-energia come moltiplicazioni di matrici dense (ZGEMM). Questo aumenta l'intensità aritmetica, sfruttando al meglio le unità di calcolo dei GPU moderni.

3. Risultati Chiave

Gli esperimenti sono stati condotti su Frontier (9.408 nodi, 75.264 GPU AMD MI250X) e Aurora (fino a 9.600 nodi, 115.200 GPU Intel PVC).

• Scalabilità: Il codice ha dimostrato un'eccellente scalabilità forte e debole fino a quasi l'intera macchina di Frontier e Aurora.
• Prestazioni di Picco (Throughput):
  • Su Frontier, il kernel off-diagonale GPP ha raggiunto 1,069 ExaFLOP/s (in precisione doppia), corrispondente al 59,45% del picco teorico.
  • Su Aurora, lo stesso kernel ha raggiunto 707,52 PetaFLOP/s, corrispondente al 48,79% del picco raggiungibile.
  • Il kernel diagonale ha raggiunto circa 500 PetaFLOP/s su entrambe le macchine.
• Scalabilità dei Sistemi: Sono stati eseguiti calcoli GW su sistemi con fino a 17.574 atomi (difetti in idruro di litio, LiH) e 2.742 atomi (difetti in silicio), superando i record precedenti.
• Applicazioni: Sono stati calcolati con successo stati eccitati, spettri ottici e accoppiamenti elettrone-fonone per sistemi complessi come difetti in silicio (per qubit a stato solido), superreticoli di moiré in BN e difetti in LiH.

4. Significato e Impatto

Questo lavoro rappresenta una svolta fondamentale nella simulazione computazionale dei materiali quantistici:

1. Accesso a Nuovi Regimi Fisici: Permette di studiare sistemi con $O(10^3 - 10^4)$ atomi con precisione GW, aprendo la strada alla progettazione razionale di materiali per tecnologie quantistiche, dispositivi optoelettronici e superconduttori.
2. Efficacia delle Piattaforme Exascale: Dimostra che è possibile ottenere prestazioni vicine al picco teorico (50-60%) su architetture GPU eterogenee (AMD e Intel) utilizzando modelli di programmazione aperti, validando l'approccio "portabile" come strategia vincente per il futuro dell'HPC.
3. Metodologia Avanzata: L'integrazione di GWPT e GW a frequenza completa fornisce strumenti predittivi senza precedenti per comprendere fenomeni come la decoerenza quantistica e i tempi di vita degli stati eccitati, cruciali per lo sviluppo di tecnologie quantistiche di prossima generazione.

In sintesi, il lavoro trasforma BerkeleyGW in uno strumento capace di sfruttare appieno la potenza di calcolo exascale, risolvendo problemi di molti corpi che erano precedentemente intrattabili.