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

No mundo de alto risco da física de partículas, cientistas no Grande Colisor de Hádrons colidem prótons para recriar as condições do universo primitivo. Para dar sentido aos detritos, eles dependem de simulações computacionais que preveem o que deve acontecer durante essas colisões. No entanto, calcular essas previsões com extrema precisão é uma tarefa monumental. Os métodos mais precisos, conhecidos como cálculos de ordem próxima à liderança (next-to-leading-order), são incrivelmente lentos e computacionalmente caros. Um grande obstáculo nessas simulações é o aparecimento de "pesos negativos", uma peculiaridade matemática onde alguns eventos simulados carregam um valor negativo. Para cancelar o ruído que esses valores negativos criam e alcançar uma imagem clara, os pesquisadores devem gerar lotes de eventos vastamente maiores do que o normal, consumindo enormes quantidades de poder computacional e tempo.

Para resolver isso, os físicos desenvolveram uma técnica chamada "folding" (dobra). Imagine tentar estimar o valor de uma integral complexa amostrando um único ponto; pode ser ruidoso e impreciso. O folding é como calcular a mesma função complexa para várias variações diferentes das variáveis cinemáticas de um único evento e tirar a média dos resultados. Essa abordagem fornece uma estimativa mais estável da integral, o que ajuda a suavizar o ruído estatístico e reduz a necessidade de pesos negativos. Embora eficaz, este método é, por si só, muito lento porque exige que o computador realize a mesma complexa conta muitas vezes para um único evento. Uma nova abordagem descrita por Andrea Valassi, no CERN, visa acelerar esse processo usando o hardware de computação moderno para realizar essas tarefas repetidas simultaneamente, em vez de uma por uma.

O trabalho de Valassi introduz um método chamado "vectorized folding" (dobra vetorizada), que aproveita o poder de processamento paralelo de placas de vídeo modernas e processadores centrais avançados. Em vez de pedir ao computador para calcular a física para uma variação específica de um evento, depois a próxima, e assim por diante, o novo software agrupa dezenas dessas variações. Ele então envia todo esse lote para o processador do computador, que calcula todas elas ao mesmo tempo. Esta é uma mudança significativa em relação à maneira tradicional como essas simulações funcionam, que processa eventos sequencialmente. Ao reorganizar o software para tirar proveito dessa capacidade paralela, o pesquisador criou uma nova ferramenta chamada MADVFOLD, projetada para trabalhar com o amplamente utilizado pacote de simulação Madgraph5_aMC@NLO.

Os resultados dessa reorganização são impressionantes. Em testes envolvendo a colisão de elétrons e pósitrons para produzir quarks bottom, o novo método reduziu dramaticamente o tempo necessário para gerar eventos simulados. Ao utilizar processadores avançados encontrados em centros de dados modernos, a técnica de vectorized folding tornou o cálculo aproximadamente seis a nove vezes mais rápido que o método padrão. Quando os cálculos foram transferidos para uma unidade de processamento gráfico (GPU), o aumento de velocidade foi ainda mais pronunciente, atingindo quase dez vezes a velocidade da abordagem original. Esses ganhos foram alcançados não alterando a física subjacente, mas mudando a forma como o computador executa a matemática, permitindo que ele lide com o trabalho pesado do folding de forma muito mais eficiente.

A pesquisa também explorou se essa abordagem paralela poderia ser aplicada à geração de eventos sem a técnica de folding propriamente dita. Mesmo neste cenário "desdobrado" (unfolded), onde o objetivo é simplesmente acelerar a simulação padrão, o novo software entregou um aumento de velocidade de três vezes. Isso sugere que as mudanças arquitetônicas feitas para suportar o folding têm benefícios mais amplos, tornando todo o fluxo de simulação mais eficiente. O trabalho foi desenvolvido usando um processo inovador onde o pesquisador dependeu fortemente de modelos de linguagem de grande escala para auxiliar na escrita e nos testes de código, um método que permitiu que o projeto passasse do conceito ao software funcional em apenas cerca de seis semanas.

Apesar das impressionantes acelerações, o artigo observa que o folding continua sendo uma técnica computacionalmente cara. Mesmo com essa aceleração de hardware, executar uma simulação com folding ainda leva significativamente mais tempo do que executar uma sem ele. No entanto, a troca é frequentemente necessária porque o folding reduz o número de eventos de peso negativo, o que, por sua vez, reduz o número total de eventos necessários para atingir um resultado estatisticamente significativo. Ao tornar o processo de folding muito mais rápido, o novo método torna essa troca necessária mais gerenciável para experimentos futuros, incluindo o programa High-Luminosity LHC. O estudo conclui que, embora o software esteja pronto para mais testes e refinamentos, ele representa um passo significativo para tornar as simulações de física de partículas de alta precisão mais viáveis para os conjuntos de dados massivos esperados nos próximos anos.