Computação de Alto Desempenho em Física
As simulações modernas em física superam a capacidade de um único processador, de modo que a computação de alto desempenho utiliza milhares de núcleos, aceleradores e algoritmos inteligentes para executar os maiores cálculos moleculares, de rede e astrofísicos.
Definition
A computação de alto desempenho em física é o uso de hardware paralelo, aceleradores e algoritmos escaláveis para realizar simulações de física muito maiores ou mais rápidas do que a computação serial permite, enquanto gerencia a comunicação, o balanceamento de carga e a escalabilidade numérica.
Scope
Esta área abrange a infraestrutura computacional da física em larga escala: programação paralela com memória distribuída e compartilhada, computação em GPU e aceleradores, e algoritmos escaláveis, como métodos rápidos de N-corpos e de malha de partículas. Enfatiza como os problemas de física são mapeados para hardware paralelo e o que limita sua escalabilidade.
Sub-topics
Core questions
- Como as simulações de física são decompostas em muitos processadores?
- O que a lei de Amdahl diz sobre os limites do ganho de velocidade paralelo?
- Como as GPUs aceleram os kernels paralelos de dados comuns na física?
- Como os algoritmos escaláveis reduzem o custo das interações de longo alcance?
Key theories
- Decomposição de domínio e passagem de mensagens
- Grandes simulações são divididas entre processadores através da partição do domínio físico, com os processadores trocando dados de fronteira por passagem de mensagens, de modo que a escalabilidade depende do equilíbrio entre computação e comunicação.
- Lei de Amdahl e limites de escalabilidade
- O ganho de velocidade alcançável pela paralelização é limitado pela fração do trabalho que permanece serial, o que estabelece limites fundamentais sobre quantos processadores podem ser usados efetivamente para um problema fixo.
- Algoritmos escaláveis
- Métodos multipolares rápidos, de árvore e de malha de partículas reduzem o custo das interações de longo alcance de quadrático para quase linear no número de partículas, tornando grandes simulações viáveis independentemente da velocidade bruta do hardware.
Clinical relevance
A computação de alto desempenho possibilita as maiores simulações de dinâmica molecular, cromodinâmica quântica de rede, N-corpos cosmológicos e climáticas, e as mesmas técnicas aceleram a análise de dados em toda a física experimental e observacional.
History
A computação científica impulsionou o hardware paralelo, desde supercomputadores vetoriais e clusters massivamente paralelos até as máquinas aceleradas por GPU de hoje; avanços algorítmicos, como o método multipolar rápido, nomeado um dos principais algoritmos do século XX, foram tão importantes quanto o hardware para possibilitar grandes simulações de física.
Key figures
- Gene Amdahl
- Peter Pacheco
- Leslie Greengard
Related topics
Seminal works
- amdahl1967
- pacheco2011
Frequently asked questions
- Por que simplesmente adicionar mais processadores não consegue continuar acelerando uma simulação?
- A lei de Amdahl mostra que qualquer porção serial do trabalho limita o ganho de velocidade, independentemente de quantos processadores sejam adicionados, e a sobrecarga de comunicação aumenta com o número de processadores, de modo que, a partir de certo ponto, processadores adicionais produzem retornos decrescentes ou negativos para um tamanho de problema fixo.
- Algoritmos mais rápidos ou hardware mais rápido são mais importantes?
- Ambos são importantes, mas melhorias algorítmicas, como os métodos multipolares rápidos e de malha de partículas, frequentemente proporcionaram ganhos maiores do que o hardware sozinho, porque alteram como o custo escala com o tamanho do problema, em vez de apenas o fator constante.