Computación paralela en física
La computación paralela divide una simulación física entre muchos procesadores que trabajan simultáneamente, y hacerlo correctamente implica descomponer el problema, coordinar el intercambio de datos y comprender las leyes que limitan la aceleración.
Definition
La computación paralela en física es la práctica de dividir una simulación en tareas que se ejecutan concurrentemente en múltiples procesadores o núcleos, coordinando sus datos y sincronización para resolver problemas más grandes más rápido que la ejecución en serie.
Scope
Este tema cubre la programación paralela para la física: subprocesos de memoria compartida y paso de mensajes de memoria distribuida, descomposición de dominio y equilibrio de carga, patrones de comunicación y sobrecarga, y las leyes de escalado de Amdahl y Gustafson. Trata cómo los modelos físicos se asignan al hardware paralelo y cómo se analiza la escalabilidad.
Core questions
- ¿Cómo se descompone una simulación física entre procesadores con una carga equilibrada?
- ¿En qué se diferencian los modelos de memoria compartida y memoria distribuida en la programación y el escalado?
- ¿Cómo limita la sobrecarga de comunicación la eficiencia paralela?
- ¿Qué predicen las leyes de Amdahl y Gustafson sobre la aceleración alcanzable?
Key theories
- Descomposición de dominio y equilibrio de carga
- El dominio de la simulación se particiona entre procesadores que calculan su región e intercambian datos de frontera; la distribución uniforme del trabajo y la comunicación mínima son lo que determina la eficiencia paralela.
- Escalado fuerte y ley de Amdahl
- Para un problema fijo, la fracción en serie limita la aceleración máxima, por lo que agregar procesadores produce rendimientos decrecientes, una restricción conocida como escalado fuerte y cuantificada por la ley de Amdahl.
- Escalado débil y ley de Gustafson
- Cuando el tamaño del problema crece con el número de procesadores, se pueden lograr aceleraciones mucho mayores, como observó Gustafson, porque la carga de trabajo paralela se expande mientras que la parte en serie permanece fija.
Clinical relevance
La computación paralela hace posibles grandes simulaciones de dinámica molecular, teoría de campo reticular, fluidos y astrofísicas al distribuirlas en clústeres y supercomputadoras, y es una habilidad básica para cualquier trabajo de física computacional a gran escala.
History
La computación científica paralela avanzó desde las primeras máquinas vectoriales y de memoria compartida hasta los clústeres distribuidos programados con la interfaz de paso de mensajes; el pesimismo de Amdahl de 1967 sobre la aceleración se complementó con la perspicacia de Gustafson de 1988 de que escalar el problema cambia el cálculo.
Key figures
- Gene Amdahl
- John Gustafson
- Peter Pacheco
Related topics
Seminal works
- amdahl1967
- gustafson1988
Frequently asked questions
- ¿Cuál es la diferencia entre escalado fuerte y débil?
- El escalado fuerte mantiene el tamaño del problema fijo y pregunta cuánto más rápido lo hacen más procesadores, lo cual está limitado por la ley de Amdahl. El escalado débil hace crecer el problema con el número de procesadores, lo que, como señaló Gustafson, permite que máquinas muy grandes sigan siendo eficientes para simulaciones correspondientemente grandes.
- ¿Por qué la comunicación limita el rendimiento paralelo?
- Los procesadores deben intercambiar datos de frontera y globales, y esta comunicación lleva tiempo que no se reduce tan rápido como el cálculo cuando se añaden más procesadores, por lo que, a partir de cierto punto, la sobrecarga de comunicación domina y la eficiencia disminuye.