भौतिकी में उच्च-प्रदर्शन कंप्यूटिंग
आधुनिक भौतिकी सिमुलेशन किसी एक प्रोसेसर से बड़े होते जा रहे हैं, इसलिए उच्च-प्रदर्शन कंप्यूटिंग हजारों कोर, त्वरक और चतुर एल्गोरिदम का उपयोग करके सबसे बड़े आणविक, जाली और खगोल भौतिकी गणनाओं को चलाती है।
Definition
भौतिकी में उच्च-प्रदर्शन कंप्यूटिंग समानांतर हार्डवेयर, त्वरक और स्केलेबल एल्गोरिदम का उपयोग है ताकि भौतिकी सिमुलेशन को सीरियल कंप्यूटेशन की तुलना में कहीं अधिक बड़ा या तेज़ किया जा सके, जबकि संचार, लोड संतुलन और संख्यात्मक स्केलेबिलिटी का प्रबंधन किया जा सके।
Scope
यह क्षेत्र बड़े पैमाने पर भौतिकी के कम्प्यूटेशनल बुनियादी ढांचे को कवर करता है: वितरित और साझा मेमोरी के साथ समानांतर प्रोग्रामिंग, GPU और त्वरक कंप्यूटिंग, और स्केलेबल एल्गोरिदम जैसे तेज़ N-बॉडी और पार्टिकल-मेश विधियाँ। यह इस बात पर जोर देता है कि भौतिकी की समस्याओं को समानांतर हार्डवेयर पर कैसे मैप किया जाता है और उनकी स्केलिंग को क्या सीमित करता है।
Sub-topics
Core questions
- भौतिकी सिमुलेशन को कई प्रोसेसरों में कैसे विघटित किया जाता है?
- एम्डाहल का नियम समानांतर गति वृद्धि की सीमाओं के बारे में क्या कहता है?
- GPU भौतिकी में सामान्य डेटा-समानांतर कर्नेल को कैसे गति देते हैं?
- स्केलेबल एल्गोरिदम लंबी दूरी की अंतःक्रियाओं की लागत को कैसे कम करते हैं?
Key theories
- डोमेन डीकंपोजिशन और मैसेज पासिंग
- बड़े सिमुलेशन को भौतिक डोमेन को विभाजित करके प्रोसेसरों में विभाजित किया जाता है, जिसमें प्रोसेसर मैसेज पासिंग द्वारा सीमा डेटा का आदान-प्रदान करते हैं, इसलिए स्केलेबिलिटी संचार के विरुद्ध गणना को संतुलित करने पर निर्भर करती है।
- एम्डाहल का नियम और स्केलिंग सीमाएँ
- समानांतरीकरण से प्राप्त होने वाली गति वृद्धि कार्य के उस हिस्से से बंधी होती है जो सीरियल रहता है, जो यह निर्धारित करता है कि एक निश्चित समस्या के लिए कितने प्रोसेसर का प्रभावी ढंग से उपयोग किया जा सकता है।
- स्केलेबल एल्गोरिदम
- फास्ट मल्टीपोल, ट्री और पार्टिकल-मेश विधियाँ लंबी दूरी की अंतःक्रियाओं की लागत को कण संख्या में द्विघात से लगभग रैखिक तक कम करती हैं, जिससे कच्चे हार्डवेयर की गति से स्वतंत्र रूप से बड़े सिमुलेशन संभव हो जाते हैं।
Clinical relevance
उच्च-प्रदर्शन कंप्यूटिंग सबसे बड़े आणविक गतिशीलता, जाली क्वांटम क्रोमोडायनामिक्स, ब्रह्मांडीय N-बॉडी और जलवायु सिमुलेशन को सक्षम बनाता है, और यही तकनीकें प्रायोगिक और अवलोकन भौतिकी में डेटा विश्लेषण को गति देती हैं।
History
वैज्ञानिक कंप्यूटिंग ने वेक्टर सुपरकंप्यूटर से लेकर बड़े पैमाने पर समानांतर क्लस्टर तक आज की GPU-त्वरित मशीनों तक समानांतर हार्डवेयर को प्रेरित किया; फास्ट मल्टीपोल विधि जैसे एल्गोरिथम संबंधी प्रगति, जिसे बीसवीं सदी के शीर्ष एल्गोरिदम में से एक नामित किया गया था, बड़े भौतिकी सिमुलेशन को सक्षम करने में हार्डवेयर जितनी ही महत्वपूर्ण थी।
Key figures
- Gene Amdahl
- Peter Pacheco
- Leslie Greengard
Related topics
Seminal works
- amdahl1967
- pacheco2011
Frequently asked questions
- अधिक प्रोसेसर जोड़ने से सिमुलेशन की गति क्यों नहीं बढ़ती रहती है?
- एम्डाहल का नियम दर्शाता है कि कार्य का कोई भी सीरियल हिस्सा गति वृद्धि को सीमित करता है, चाहे कितने भी प्रोसेसर जोड़े जाएं, और संचार ओवरहेड प्रोसेसर की संख्या के साथ बढ़ता है, इसलिए एक निश्चित बिंदु से परे अतिरिक्त प्रोसेसर एक निश्चित समस्या आकार के लिए घटते या नकारात्मक रिटर्न देते हैं।
- क्या तेज़ एल्गोरिदम या तेज़ हार्डवेयर अधिक महत्वपूर्ण हैं?
- दोनों मायने रखते हैं, लेकिन फास्ट मल्टीपोल और पार्टिकल-मेश विधियों जैसे एल्गोरिथम सुधारों ने अक्सर अकेले हार्डवेयर की तुलना में अधिक लाभ प्रदान किए हैं, क्योंकि वे समस्या के आकार के साथ लागत कैसे बढ़ती है, इसे बदलते हैं, न कि केवल स्थिर कारक को।