Komputasi Kinerja Tinggi dalam Fisika
Simulasi fisika modern melampaui kemampuan satu prosesor, sehingga komputasi kinerja tinggi memanfaatkan ribuan inti, akselerator, dan algoritma cerdas untuk menjalankan perhitungan molekuler, kisi, dan astrofisika terbesar.
Definition
Komputasi kinerja tinggi dalam fisika adalah penggunaan perangkat keras paralel, akselerator, dan algoritma terukur untuk melakukan simulasi fisika yang jauh lebih besar atau lebih cepat daripada yang dimungkinkan oleh komputasi serial, sambil mengelola komunikasi, penyeimbangan beban, dan skalabilitas numerik.
Scope
Area ini mencakup infrastruktur komputasi fisika skala besar: pemrograman paralel dengan memori terdistribusi dan bersama, komputasi GPU dan akselerator, serta algoritma terukur seperti metode N-body cepat dan particle-mesh. Ini menekankan bagaimana masalah fisika dipetakan ke perangkat keras paralel dan apa yang membatasi skalanya.
Sub-topics
Core questions
- Bagaimana simulasi fisika didekomposisi di banyak prosesor?
- Apa yang dikatakan hukum Amdahl tentang batas percepatan paralel?
- Bagaimana GPU mempercepat kernel paralel data yang umum dalam fisika?
- Bagaimana algoritma terukur mengurangi biaya interaksi jarak jauh?
Key theories
- Dekomposisi domain dan pengiriman pesan
- Simulasi besar dibagi di antara prosesor dengan mempartisi domain fisik, dengan prosesor bertukar data batas melalui pengiriman pesan, sehingga skalabilitas bergantung pada penyeimbangan komputasi dengan komunikasi.
- Hukum Amdahl dan batas penskalaan
- Percepatan yang dapat dicapai dari paralelisasi dibatasi oleh fraksi pekerjaan yang tetap serial, yang menetapkan batas fundamental tentang berapa banyak prosesor yang dapat digunakan secara efektif untuk masalah tetap.
- Algoritma terukur
- Metode multipole cepat, pohon, dan particle-mesh mengurangi biaya interaksi jarak jauh dari kuadratik menjadi mendekati linier dalam jumlah partikel, membuat simulasi besar menjadi mungkin secara independen dari kecepatan perangkat keras mentah.
Clinical relevance
Komputasi kinerja tinggi memungkinkan simulasi dinamika molekuler terbesar, kromodinamika kuantum kisi, N-body kosmologis, dan iklim, serta teknik yang sama mempercepat analisis data di seluruh fisika eksperimental dan observasional.
History
Komputasi ilmiah mendorong perangkat keras paralel dari superkomputer vektor melalui klaster paralel masif hingga mesin yang dipercepat GPU saat ini; kemajuan algoritmik seperti metode multipole cepat, yang disebut sebagai algoritma teratas abad kedua puluh, sama pentingnya dengan perangkat keras dalam memungkinkan simulasi fisika besar.
Key figures
- Gene Amdahl
- Peter Pacheco
- Leslie Greengard
Related topics
Seminal works
- amdahl1967
- pacheco2011
Frequently asked questions
- Mengapa penambahan lebih banyak prosesor tidak dapat terus mempercepat simulasi?
- Hukum Amdahl menunjukkan bahwa setiap bagian serial dari pekerjaan membatasi percepatan tidak peduli berapa banyak prosesor yang ditambahkan, dan overhead komunikasi meningkat dengan jumlah prosesor, sehingga di luar titik tertentu, prosesor tambahan menghasilkan pengembalian yang semakin berkurang atau negatif untuk ukuran masalah yang tetap.
- Apakah algoritma yang lebih cepat atau perangkat keras yang lebih cepat lebih penting?
- Keduanya penting, tetapi peningkatan algoritmik seperti metode multipole cepat dan particle-mesh sering kali memberikan keuntungan yang lebih besar daripada perangkat keras saja, karena mereka mengubah bagaimana biaya berskala dengan ukuran masalah daripada hanya faktor konstanta.