Performance Portable $\mathrm{SU}(N)$ Lattice Gauge Theory Simulation with Kokkos

Om het universum op zijn meest fundamentele niveau te begrijpen, wenden natuurkundigen zich vaak tot een methode die de ruimte en tijd niet behandelt als een glad, continu weefsel, maar als een rooster van kleine, discrete punten. Stel je een uitgestrekt, onzichtbaar schaakbord voor dat zich over het kosmos uitstrekt, waarbij elk snijpunt informatie bevat over de krachten die materie binden. Dit is de essentie van lattice gauge theory (rooster-veldtheorie), een krachtig hulpmiddel dat wordt gebruikt om het gedrag van subatomaire deeltjes en de krachten die hen beheersen te simuleren, met name de sterke kernkracht die atoomkernen bij elkaar houdt. Door het universum op te delen in deze hanteerbare stukjes, kunnen wetenschappers massieve computers gebruiken om de paden van deeltjes te traceren en te berekenken hoe ze met elkaar interageren, waarbij ze effectief de wetten van de fysica in omgekeerde richting draaien om te zien wat er ontstaat. De hardware die wordt gebruikt om deze simulaties uit te voeren, is echter ongelooflijk divers geworden. De supercomputers van vandaag zijn een lappendeken van verschillende processoren, van standaard computerchips tot gespecialiseerde grafische kaarten, die elk een andere technische taal spreken en hun eigen unieke reeks instructies vereisen om efficiënt te draaien.

Deze diversiteit zorgt voor een aanzienlijke hoofdpijn voor onderzoekers. Om de beste prestaties uit een specifieke machine te halen, moeten ze hun simulatiecode vaak vanaf nul herschrijven voor elke andere processor die ze willen gebruiken. Het onderhouden van aparte versies van hetzelfde algoritme voor verschillende computers is traag, duur en foutgevoelig. De vraag die de wetenschappelijke gemeenschap bezighoudt, is of het mogelijk is om één versie van deze complexe simulatiecode te schrijven die efficiënt kan draaien op elke moderne computer, van een enkele processor tot een enorme supercomputer, zonder snelheid op te offeren. Wei Sun, een onderzoeker aan het Institute of High Energy Physics in Beijing, heeft antwoord gegeven op deze vraag met een nieuwe softwaretool genaamd kwqft. Dit programma laat succesvol zien dat het mogelijk is om een enkele, universele code te creëren voor het simuleren van de sterke kracht die net zo goed presteert als gespecialiseerde, machinaspecifieke code, ongeacht de hardware waarop het draait.

De kern van deze prestatie ligt in een slimme benadering van softwareontwerp die de architectuur van de computer behandelt als een variabele in plaats van een vaste beperking. De onderzoekers bouwden hun simulatie met behulp van een modern programmeerkader dat fungeert als een universele vertaler. In plaats van aparte instructies te schrijven voor een grafische kaart, een standaard processor of een gespecialiseerde chip, schreven ze één set instructies die het framework automatisch aanpast aan de machine waarop het draait. Dit stelt de code in staat om op een grote verscheidenheid aan systemen te draaien, inclusief die van verschillende fabrikanten, zonder dat de onderzoekers de broncode opnieuw hoeven aan te raken. De software is ontworpen om flexibel te zijn, waardoor wetenschappers het aantal dimensies in hun simulatie of de specifieke eigenschappen van de deeltjes die ze bestuderen kunnen veranderen door slechts een paar instellingen aan te passen voordat het programma start, in plaats van het hele programma te herschrijven.

Om te bewijzen dat deze universele aanpak werkt, hebben de onderzoekers hun software onderworpen aan rigoureuze tests op een breed scala aan hardware. Ze voerden simulaties uit op een krachtige grafische kaart van NVIDIA, een gespecialiseerde chip van Hygon en verschillende soorten centrale processoren, waaronder geavanceerde modellen van Huawei en Intel. In elk geval produceerde de software resultaten die overeenkwamen met de bekende, exacte oplossingen voor eenvoudigere versies van het probleem en die overeenkwamen met eerder gepubliceerde gegevens voor complexere scenario's. De onderzoekers verifieerden dat de simulatie het gedrag van de sterke kracht in twee, drie en vier dimensies correct reproduceerde, en voor verschillende soorten deeltjesgroepen, waarmee werd bevestigd dat de universele code niet aan nauwkeurigheid verloor in het proces van het verkrijgen van draagbaarheid.

De prestatieresultaten waren bijzonder opmerkelijk. Bij het draaien op een hoogwaardige grafische kaart bereikte de universele software bijna dezelfde snelheid als een versie van de code die specifiek voor die kaart was geoptimaliseerd, waarbij meer dan 90 procent van de efficiëntie van de gespecialiseerde code werd bereikt bij grotere simulaties. Op een enorme supercomputer in Shenzhen, bekend als LineShine, schaalde de software op om gelijktijdig over 512 nodes, of individuele rekeneenheden, te draaien. Naarmate de onderzoekers meer rekenkracht toevoegden, versnelde de simulatie aanzienlijk, wat aantoonde dat de software de complexe communicatie kon afhandelen die nodig is om duizenden processoren in harmonie samen te laten werken. Bovendien was de software op de nieuwste generatie processoren die ontworpen zijn voor snelle vectorberekeningen in staat om meerdere punten op het rooster tegelijk te verwerken, waardoor de simulatie met een factor drie werd versneld vergeleken met een standaardversie van dezelfde code.

De implicaties van dit werk reiken verder dan een enkele succesvolle test. Door te bewijzen dat een enkele codebase concurrerende prestaties kan leveren in een zo divers landschap van hardware, hebben de onderzoekers een belangrijke barrière voor wetenschappelijke vooruitgang weggenomen. Wetenschappers hoeven niet langer te kiezen tussen het schrijven van code die gemakkelijk te onderhouden is en code die snel is; ze kunnen nu één keer schrijven en overal draaien, met het vertrouwen dat de software zich aanpast aan de machine waarop het zich bevindt. Dit opent de deur naar complexere simulaties van het universum, waardoor onderzoekers met meer gemak en op een grotere schaal vragen over de beginmomenten van het kosmos en de aard van materie kunnen verkennen. Het succes van kwqft suggereert dat de toekomst van high-performance computing in de natuurkunde niet ligt in het constant herschrijven van code voor nieuwe machines, maar in het creëren van flexibele, intelligente tools die in staat zijn om op eigen kracht door het veranderende technologische landschap te navigeren.