Breaking the Exascale Barrier for the Electronic Structure Problem in Ab-Initio Molecular Dynamics

物質がその最も基礎的なレベルでどのように振る舞うかを理解するために、科学者たちはしばしば「第一原理（ab-initio）」分子動力学と呼ばれる手法を用います。このアプローチは、原子に働く力を計算することによって、分子、表面、または固体における原子の動きをシミュレートしようとする試みです。簡略化された経験則に依存する従来の古い手法とは異なり、この手法は電子の複雑な量子力学的問題を直接解きます。これは、電子を漠然とした背景としてではなく、原子間の相互作用を決定づける主要な主役として扱うものです。これにより、化学反応や材料特性の極めて正確な描写が可能になりますが、それには大きな代償が伴います。システムの規模が大きくなるにつれて必要な計算量が急激に増大するため、大規模で現実的な構造をシミュレートすることは、長い間不可能であると考えられてきました。数十年にわたり、研究者たちは物質の微小な断片を研究することを余儀なくされ、数十億の原子が生命細胞や複雑な材料の中でどのように共に動いているのかという全体像を見ることができませんでした。

ドイツのパーダーボルン大学の研究チームは今、この障壁を打破し、最大8,300万個の原子を含む系の電子構造をシミュレートする方法を実証しました。彼らは「非直交局所部分行列法（non-orthogonal local submatrix technique）」として知られる手法を適応させ、数千基の専用グラフィックス・プロセッサ（GPU）を備えた巨大なスーパーコンピュータ上で実行することで、1.1エクサフロップスを超える持続的な計算速度を達成しました。これは、システムが毎秒100京回（10の18乗回）以上の浮動小数点演算を実行したことを意味し、この特定の科学的応用が「エクサスケール」の壁を突破した最初期の事例の一つとなる金字塔を打ち立てました。研究者たちは単にシミュレーションを実行しただけでなく、ハードウェアが理論上の最大容量の約80パーセントで動作できるように、数学的な作業を整理する新しい方法を設計したのです。彼らの研究は、適切なアルゴリズムの調整を行えば、タンパク質全体の量子挙動を計算できることを証明しており、生物学的な機構や複雑な材料をかつてない詳細さで研究する道を開きました。

これらのシミュレーションにおける核心的な課題は、原子がたとえわずかな差であっても動くたびに、その原子に働く新たな力を決定するために、系の電子構造全体を再計算しなければならないという点にあります。従来のアプローチでは、原子の数が増えるにつれて、この再計算が極めて困難なほど遅くなってしまいます。研究者たちは、この膨大な数学的問題を「部分行列」と呼ばれる小さく管理可能な断片に分解する手法を利用しました。系全体の式を一度に解こうとする代わりに、コンピュータはデータの小さなセクションを分離して独立して解き、その後に結果を再構成します。この「局所的（ローカル）」なアプローチは、通常大規模なシミュレーションにおけるボトルネックとなる、コンピュータの異なる部分間での絶え間ない通信の必要性を回避します。研究チームはこの手法を、特定の生物学的標的であるSARS-CoV-2ウイルスのスパイクタンパク質（ウイルスがヒト細胞に付着するために使用する構造）に適用しました。彼らは、脂質層に固定され水に囲まれた状態のタンパク質をシミュレートし、初期テストでは約170万個の原子を含む系を作成し、その後、これらのタンパク質のグリッドへとスケールアップすることで、合計8,300万個の原子に到達しました。

このレベルのパフォーマンスを実現するために、研究者たちは単にコンピュータを増やすだけでなく、ソフトウェアがハードウェアとどのように相互作用するかを根本的に再考する必要がありました。彼らが使用した、国立エネルギー研究科学計算センター（NERSC）にあるスーパーコンピュータは、4,400基のNVIDIA A100グラフィックス・プロセッサを搭載しています。これらのチップは膨大な量の並列計算を処理するように設計されていますが、その真価を発揮するのは大規模で密なデータブロックを扱うときです。元のバージョンのアルゴリズムが作成する部分行列は、これらのチップの能力を十分に活用するには小さすぎることが多々ありました。そこでチームは、処理を行う前に複数のデータ列をより大きな部分行列へと結合させる、新しい「ヒューリスティック（経験則的な決定ルール）」を導入しました。この調整は単なる微調整ではなく、グラフィックス・プロセッサの具体的な性能特性に基づいた戦略的な転換でした。研究者たちは、チップが異なるサイズの行列をどれほどの速さで乗算できるかを測定することで、ハードウェアがピーク効率で動作するようにデータのグルーピングを最適化しました。この修正により、この種の計算においては以前は不可能と考えられていた性能レベルを維持することが可能になりました。

この取り組みの結果は、スパイクタンパク質のグリッドを実行することによって測定され、事実上8,300万個の原子を持つ仮想環境が構築されました。チームは、各計算ステップの完了にかかる時間と、実行された総数学的演算数を追跡しました。その結果、システムは一貫して1.106から1.127エクサフロップスの速度を提供し、ハードウェアの理論的ピーク性能の約80パーセントを維持していることが分かりました。これは、ハイパフォーマンス・コンピューティング・システムが数千のプロセッサへとスケールアップする際、通信オーバーヘッドの増加に伴って効率が低下しがちであることを考えると、極めて重要な成果です。今回のケースでは、手法の局所的な性質により、プロセッサはデータの待機ではなく、ほぼすべての時間を計算に費やすことができました。研究者たちは、シミュレーションの精度が高度に維持されていることを検証し、速度の向上が科学的な妥当性を損なわないことを確認しました。

この画期的な成果は、単にウイルスをシミュレートすることにとどまりません。それは計算科学における新たな能力を象徴しています。数千万個の原子を含む系の電子構造をモデル化できる能力は、自然な水環境下における巨大な生体分子の挙動や、ストレス下にある複雑な材料の特性など、これまで手の届かなかった現象の研究を可能にします。この手法は、分子動力学だけでなく、大規模で疎なデータセットに対して数学的関数を評価する必要があるあらゆる問題に適用できる汎用性を備えています。エクサスケール・パフォーマンスが現実世界の科学的応用において達成可能であることを示すことで、研究者たちは将来のハイパフォーマンス・コンピューティングへの設計図を提示しました。彼らは、アルゴリズムのデザインをハードウェアの能力と一致させることで、かつては計算不可能と考えられていた問題を解決できることを示し、原子と電子の量子力学の世界を、生命と物質の研究のために、より鮮明な焦点へと導いたのです。