MadVfold: accelerating NLO event generation and reducing negative weights with SIMD vectorization and GPUs

입자 물리학의 고도의 긴장감이 흐르는 세계에서, 과학자들은 초기 우주의 조건을 재현하기 위해 거대 강입자 충돌기(LHC)에서 양성자를 충돌시킵니다. 이 파편들을 이해하기 위해 그들은 충돌 중에 어떤 일이 일어날지를 예측하는 컴퓨터 시뮬레이션에 의존합니다. 그러나 이러한 예측을 극도로 정밀하게 계산하는 것은 엄청난 과업입니다. 차세대 계산법(next-to-leading-order)으로 알려진 가장 정확한 방법들은 믿을 수 없을 정도로 느리고 계산 비용이 많이 듭니다. 이러한 시뮬레이션의 주요 장애물은 '음수 가중치(negative weights)'의 등장인데, 이는 시뮬레이션된 일부 이벤트가 음수 값을 갖게 되는 수학적 특이 현상입니다. 이러한 음수 값이 만들어내는 노이즈를 상쇄하고 명확한 그림을 얻기 위해, 연구자들은 평소보다 훨씬 더 큰 규모의 이벤트 배치를 생성해야 하며, 이는 막대한 양의 컴퓨팅 파워와 시간을 소비합니다.

이를 해결하기 위해 물리학자들은 '폴딩(folding)'이라 불리는 기법을 개발했습니다. 단 하나의 점만을 샘플링하여 복잡한 적분 값을 추정하려고 노력하는 것을 상상해 보십시오. 그것은 노이즈가 심하고 부정확할 수 있습니다. 폴딩은 하나의 이벤트가 가진 운동학적 변수의 여러 가지 변형들에 대해 동일한 복잡한 함수를 계산하고 그 결과들을 평균 내는 것과 같습니다. 이 접근 방식은 적분의 더 안정적인 추정치를 제공하며, 이는 통계적 노이즈를 완화하고 음수 가중치의 필요성을 줄이는 데 도움을 줍니다. 효과적이기는 하지만, 이 방법 자체는 하나의 이벤트에 대해 동일한 복잡한 계산을 여러 번 수행해야 하므로 매우 느립니다. CERN의 안드레아 발라시(Andrea Valassi)가 제시한 새로운 접근 방식은 현대적인 컴퓨터 하드웨어를 사용하여 이러한 반복적인 계산들을 하나씩 하는 대신 동시에 수행함으로써 이 과정을 가속화하는 것을 목표로 합니다.

발라시의 연구는 현대적인 그래픽 카드와 고급 중앙 처리 장치의 병렬 처리 능력을 활용하는 '벡터화된 폴딩(vectorized folding)'이라는 방법을 도입합니다. 특정 이벤트의 한 가지 변형에 대해 컴퓨터에 계산을 요청한 뒤 다음 것을 수행하는 방식 대신, 이 소프트웨어는 수십 개의 변형을 하나로 묶습니다. 그런 다음 이 전체 배치를 컴퓨터의 프로세서로 보내, 프로세서가 이들을 동시에 계산하도록 합니다. 이는 시뮬레이션이 이벤트를 순차적으로 처리하는 기존의 방식으로부터의 중대한 변화입니다. 이러한 병렬 능력을 활용하도록 소프트웨어를 재구성함으로써, 연구자는 널리 사용되는 Madgraph5_aMC@NLO 시뮬레이션 패키지와 함께 작동하도록 설계된 MADVFOLD라는 새로운 도구를 만들었습니다.

이러한 재구성의 결과는 놀랍습니다. 전자와 양전자의 충돌로 바텀 쿼크를 생성하는 테스트에서, 새로운 방법은 시뮬레이션 이벤트를 생성하는 데 필요한 시간을 극적으로 단여축했습니다. 현대적인 데이터 센터에서 발견되는 고급 프로세서를 사용할 때, 벡터화된 폴딩 기술은 표준 방식보다 계산 속도를 약 6배에서 9배 정도 높였습니다. 계산을 그래픽 처리 장치(GPU)로 오프로딩했을 때는 그 속도 향상이 더욱 두드러져, 기존 방식보다 거의 10배에 달하는 속도에 도달했습니다. 이러한 이득은 근본적인 물리학을 변경해서가 아니라, 컴퓨터가 수학을 실행하는 방식을 변경하여 폴딩이라는 무거운 작업을 훨씬 더 효율적으로 처리할 수 있게 함으로써 달성되었습니다.

또한 이 연구는 이러한 병렬 접근 방식이 폴딩 기술을 전혀 사용하지 않고 이벤트를 생성하는 데도 적용될 수 있는지를 탐구했습니다. 폴딩 없이 단순히 표준 시뮬레이션 속도를 높이는 것이 목표인 이 '언폴디드(unfolded)' 시나리오에서도, 새로운 소프트웨어는 3배의 속도 향상을 제공했습니다. 이는 폴딩을 지원하기 위한 건축적 변화가 더 넓은 혜택을 제공하며, 전체 시뮬레이션 파이프라인을 더 효율적으로 만든다는 것을 시사합니다. 이 작업은 연구자가 대규모 언어 모델에 크게 의존하여 코드를 작성하고 테스트하는 새로운 프로세스를 통해 개발되었으며, 이 방법 덕분에 프로젝트를 개념 단계에서 작동하는 소프트웨어 단계까지 단 6주 만에 옮길 수 있었습니다.

인상적인 속도 향상에도 불구하고, 논문은 폴딩이 여전히 계산 비용이 많이 드는 기술이라고 지적합니다. 하드웨어 가속을 적용하더라도 폴딩을 포함한 시뮬레이션을 실행하는 것은 폴딩 없이 실행하는 것보다 여전히 상당히 오래 걸립니다. 그러나 폴딩은 음수 가중치 이벤트를 줄여주어 통계적으로 유의미한 결과를 얻기 위해 필요한 총 이벤트 수를 줄여주기 때문에, 이러한 트레이드오프는 종종 필수적입니다. 폴딩 과정 자체를 훨씬 빠르게 만듦으로써, 이 새로운 방법은 다가오는 고휘도 LHC(High-Luminosity LHC) 프로그램을 포함한 미래의 실험들을 위해 이 필수적인 트레이드오프를 더 관리 가능한 수준으로 만듭니다. 연구는 소프트웨어가 추가적인 테스트와 개선을 위한 준비가 되어 있지만, 이것이 향에 오는 거대한 데이터셋에 대해 고정밀 입자 물리학 시뮬레이션을 더욱 실현 가능하게 만드는 중요한 진전임을 결론지었습니다.