CATAPULT: A CUDA-Accelerated Timestepper for Alpha Particles Using Local Tricubics

Il paper presenta CATAPULT, un timestepper accelerato da CUDA per particelle alfa in configurazioni stellarator, che offre prestazioni superiori rispetto alle implementazioni CPU esistenti e gestisce sia campi magnetici di equilibrio che onde di Alfvén.

L'essenziale

🚀 CATAPULT: Il "Super-Scatto" per le Particelle di Fusione

Immagina di dover seguire il percorso di milioni di palline da biliardo che rimbalzano in una stanza piena di magneti invisibili e correnti d'aria turbolente. Il tuo obiettivo è capire quante di queste palline riescono a rimanere nella stanza abbastanza a lungo da fare "scintille" (fusione nucleare) e quante invece sbattono contro i muri e si perdono.

Questo è esattamente ciò che fanno gli scienziati che studiano i stellarator (macchine per l'energia di fusione). Ma c'è un problema: seguire milioni di palline è lentissimo se fatto con i computer normali.

Il paper presenta CATAPULT, un nuovo software che usa le schede grafiche (GPU) dei computer moderni per fare questo lavoro 50 volte più velocemente di prima.

Ecco come funziona, spiegato con analogie semplici:

1. Il Problema: La Corsa a Ostacoli Lenta

Per progettare macchine a fusione efficienti, gli scienziati usano un metodo chiamato "Monte Carlo". Immagina di lanciare un milione di dadi: ogni dado è una particella di energia (un atomo di elio, o "particella alfa").

• Il compito: Simulare il viaggio di ogni singola particella attraverso il campo magnetico complesso della macchina.
• L'ostacolo: I computer tradizionali (CPU) sono come un unico corridore molto veloce che deve correre il percorso da solo, una volta per ogni particella. Se hai un milione di particelle, ci mette un'eternità.

2. La Soluzione: L'Esercito di Sciatori (Le GPU)

CATAPULT cambia le regole del gioco. Invece di un corridore solitario, usa una GPU (la scheda video potente dei computer da gaming o dei supercomputer).

• L'analogia: Immagina che la CPU sia un singolo sciatore che controlla il percorso. La GPU è invece un esercito di 64 sciatori che scendono tutti insieme sulla stessa montagna, ognuno controllando una pallina diversa, ma coordinati perfettamente.
• Il risultato: Mentre il vecchio metodo faceva un passo alla volta, CATAPULT ne fa 64 contemporaneamente. È come passare da una fila indiana a un'autostrada a più corsie.

3. La Mappa Magica: "Tricubici Locali"

Per sapere dove andare, le particelle hanno bisogno di una mappa del campo magnetico.

• Il vecchio metodo: Era come avere una mappa fatta di quadrati grandi e sgranati. Se una particella si trovava sul bordo di un quadrato, la mappa era confusa o imprecisa.
• Il metodo CATAPULT: Usa una tecnica chiamata "interpolazione tricubica locale". Immagina di avere una mappa fatta di migliaia di piccoli cubi di gelatina. Ogni cubo è liscio e perfetto. Quando una particella si muove, CATAPULT sa esattamente come deformare la gelatina sotto i suoi piedi per calcolare la strada più precisa, anche se la particella sta per uscire dalla zona sicura.
• Il trucco: CATAPULT tiene questa mappa "gelatinosa" in una memoria speciale (memoria condivisa) accessibile a tutti gli sciatori dell'esercito, così nessuno perde tempo a cercare la mappa.

4. Il Viaggio e gli Ostacoli (Shear Alfven Waves)

A volte, il campo magnetico non è fermo: onde magnetiche (chiamate Shear Alfven Waves) possono agitarsi come onde nell'oceano, spingendo le particelle fuori strada.

• CATAPULT è così veloce che può simulare anche queste onde turbolente. È come se il nostro esercito di sciatori potesse navigare non solo su una pista di ghiaccio liscia, ma anche durante un temporale, calcolando la rotta perfetta in tempo reale.

5. I Risultati: Velocità e Precisione

Gli autori hanno testato CATAPULT su diversi modelli di macchine a fusione (come ATEN, HSX, NCSX).

• Velocità: Su un computer moderno (con una scheda NVIDIA A100), CATAPULT è da 5 a 60 volte più veloce rispetto ai migliori computer tradizionali usati finora.
• Precisione: Essendo più veloce, gli scienziati possono usare mappe più dettagliate (più cubi di gelatina) e tracciare più particelle. Questo significa che le previsioni su quanta energia la macchina produrrà sono molto più affidabili.
• Memoria: Un vantaggio nascosto è che CATAPULT condivide una sola copia della mappa tra tutti i processori, mentre i vecchi metodi ne copiavano una per ogni processore. Questo permette di usare mappe gigantesche senza far esplodere la memoria del computer.

In Sintesi

CATAPULT è come aver scoperto un nuovo tipo di motore per le simulazioni di fusione nucleare.

• Prima: Si usava un'auto lenta per esplorare un labirinto complesso.
• Ora: Si usa un treno ad alta velocità con centinaia di vagoni che esplorano il labirinto tutti insieme.

Questo permette agli scienziati di progettare macchine a fusione migliori, più velocemente, avvicinandoci al sogno di un'energia pulita e infinita. Il codice è già disponibile e pronto per essere usato da chiunque voglia studiare questi fenomeni.

Sommario tecnico

1. Il Problema

Nella ricerca sulla fusione nucleare, i dispositivi di confinamento magnetico (in particolare gli stellarator) devono trattenere ioni ad alta temperatura per mantenere le reazioni di fusione. Una sfida critica è la valutazione del confinamento delle particelle alfa (prodotti della fusione), che devono essere trattenute per riscaldare il plasma.

Attualmente, questa valutazione viene effettuata utilizzando metodi Monte Carlo accoppiati a integratori temporali (ODE timesteppers) per tracciare le orbite delle particelle. Le implementazioni esistenti (come SIMSOPT, SIMPLE, ORBIT) sono parallelizzate su CPU, ma incontrano limiti significativi:

• Bassa produttività (Throughput): Il calcolo sequenziale su CPU limita il numero di particelle che possono essere tracciate in tempi ragionevoli.
• Errore stocastico: Per ridurre l'errore statistico nei risultati Monte Carlo, è necessario un numero elevato di campioni (particelle), il che diventa proibitivo con le architetture CPU attuali.
• Gestione della complessità: La necessità di simulare campi magnetici complessi, onde di Alfvén e geometrie non ideali richiede risorse computazionali elevate.

2. Metodologia

Il paper introduce CATAPULT, un nuovo integratore temporale accelerato da CUDA (GPU NVIDIA) progettato specificamente per il tracciamento di particelle alfa negli stellarator.

Modello Fisico e Matematico

• Dinamica delle particelle: Il moto è descritto dalla Lagrangiana di Littlejohn, che include il moto di deriva in un campo magnetico di equilibrio ($B_0$) e le onde di Alfvén.
• Coordinate: Il codice supporta sia le coordinate Cartesiane che le coordinate di Boozer. Le coordinate di Boozer sono adattate alla geometria del campo magnetico, mentre quelle cartesiane permettono di tracciare particelle oltre l'ultima superficie di flusso chiusa (LCFS) e attraverso isole magnetiche.
• Integrazione: Viene utilizzato lo schema adattivo Dormand-Prince 5 (DP5), lo stesso utilizzato in SIMSOPT, per garantire la precisione numerica.

Rappresentazione del Campo Magnetico

• Il campo magnetico è rappresentato su una griglia regolare di interpolazione.
• Viene utilizzata l'interpolazione tricubica locale su una griglia $4 \times 4 \times 4$ all'interno di ogni cella. Questo permette di ricostruire una rappresentazione densa del campo.
• La continuità del campo è garantita ai bordi delle celle, sebbene la differenziabilità non lo sia necessariamente (gestita tramite estrapolazione quando le particelle escono dal dominio).

Implementazione GPU (CUDA)

L'architettura è ottimizzata per massimizzare l'efficienza della memoria e il parallelismo:

• Gestione dei Thread: Un blocco di 64 thread (2 warps su GPU A100) è assegnato a un gruppo di 8 particelle.
• Memoria Condivisa: I dati rilevanti per le particelle del gruppo e i calcoli intermedi risiedono nella memoria condivisa (shared memory) per l'intera durata della simulazione.
• Ottimizzazione della Memoria:
  • I dati costanti (parametri globali, coefficienti DP5) sono spostati nella memoria costante.
  • I dati di interpolazione (la griglia del campo magnetico) sono memorizzati in ordine row-major per massimizzare la località dei dati.
  • Coalescenza: Per ogni passo DP5, un gruppo di thread consecutivi calcola i dati di interpolazione per una singola particella. Questo permette all'hardware GPU di eseguire letture contigue (coalesced reads), riducendo drasticamente il traffico di istruzioni rispetto alle letture sparse.
• Gestione degli Errori e Singolarità:
  • Per evitare errori di scala nelle coordinate di Boozer (dove $\theta$ è singolare sull'asse), l'errore viene calcolato in un sistema di coordinate pseudo-Cartesiane $(s \cos \theta, s \sin \theta, \zeta, v_\parallel)$.
  • Viene gestita l'extrapolazione quando le particelle si avvicinano o superano la LCFS, utilizzando i dati della cella di interpolazione più vicina.

3. Contributi Chiave

1. Accelerazione GPU: Sviluppo di un timestepper completamente accelerato su GPU che supera di gran lunga le implementazioni CPU parallele esistenti.
2. Efficienza della Memoria: Un'architettura di memoria che condivide un'unica copia dei dati di interpolazione tra tutti i thread della GPU (a differenza delle implementazioni CPU che duplicano i dati per ogni thread), permettendo di scalare a risoluzioni di griglia molto più elevate senza esaurire la memoria.
3. Supporto Multi-fisica: Capacità di gestire sia campi magnetici di equilibrio che la presenza di Onde di Alfvén a taglio (Shear Alfven Waves).
4. Integrazione Software: Il codice sorgente è integrato nel pacchetto Python firm3d, rendendolo accessibile alla comunità di ricerca.

4. Risultati

I test sono stati eseguiti su diverse configurazioni di stellarator (ATEN, HSX, NCSX, QA, QH) scalate alle dimensioni di ARIES-CS, utilizzando una GPU NVIDIA A100 su un nodo Perlmutter.

• Velocità (Speedup):
  • In configurazioni di vuoto (senza onde), CATAPULT mostra un speedup di 5-10 volte rispetto a 128 core CPU.
  • In presenza di onde di Alfvén (SAWs), lo speedup aumenta drasticamente, raggiungendo un fattore di 40-60 volte rispetto al nodo CPU.
• Scalabilità:
  • Il tempo di esecuzione scala linearmente con il numero di particelle.
  • L'accuratezza (fidelity) è influenzata principalmente dalle tolleranze del passo temporale ($atol, rtol$) piuttosto che dalla risoluzione della griglia di interpolazione, grazie all'efficienza della cache.
  • La GPU si satura intorno a 25.000 particelle, mantenendo prestazioni elevate.
• Convergenza: Le simulazioni mostrano una buona convergenza nella stima della frazione di particelle perse con 32.768 particelle e risoluzioni di griglia superiori a 20 celle.
• Confronto CPU/GPU: Le traiettorie calcolate su GPU sono coerenti con quelle CPU, confermando la correttezza numerica dell'implementazione.

5. Significato e Impatto

Il lavoro di CATAPULT rappresenta un passo avanti significativo per la progettazione e l'analisi degli stellarator:

• Simulazioni ad Alta Fedeltà: Permette di eseguire simulazioni con risoluzioni di griglia più elevate e un numero maggiore di particelle senza costi computazionali proibitivi, riducendo l'errore stocastico nelle stime Monte Carlo.
• Nuove Fisiche: L'alta produttività apre la strada a simulazioni più complesse, come il tracciamento di orbite complete (full-orbit), collisioni e studi dettagliati sui carichi sulle pareti (wall loads) dovuti alle particelle alfa.
• Ottimizzazione Diretta: Facilita l'ottimizzazione diretta del confinamento delle particelle alfa nella progettazione di nuovi dispositivi di fusione.
• Flessibilità Hardware: Sebbene ottimizzato per A100, l'approccio è portabile ad altre generazioni di GPU e librerie, offrendo una base solida per futuri sviluppi nell'interpolazione e negli schemi di integrazione temporale.

In sintesi, CATAPULT risolve il collo di bottiglia computazionale nel tracciamento di particelle negli stellarator, permettendo alla comunità scientifica di esplorare regimi fisici più complessi e progettare reattori a fusione più efficienti.