KAthena高性能便携式磁流体力学代码

进行大规模模拟是现代科学研究的一个关键方面，但它往往需要大量的计算资源。 随着我们接近exascale计算时代，这将以引入高性能超级计算机为标志，研究人员一直试图开发新的体系结构和代码，以满足我们时代的巨大计算需求。 在为exascale计算时代开发代码时要考虑的一个重要属性是性能可移植性，这防止了针对不同体系结构的代码的重复、非平凡重构。

为此，密歇根州立大学的研究人员最近开发了一种性能便携式磁流体(MHD)代码K-雅典娜。 磁流体动力学(MHD)码是能够帮助解决导电流体问题的数值技术和算法。 研究人员的代码在ar Xiv上预先发表的一篇论文中提出，将现有的MHD代码雅典娜与Kokkos结合起来，Kokkos是一种性能便携的节点并行编程范式。

进行这项研究的研究员之一Philipp Grete告诉TechXplore说：“在开发第一台exascale超级计算机的过程中，很明显，目前的硬件架构不适合实现这一目标，而且需要新的架构。” “从软件的角度来看，新的体系结构通常需要对现有的代码进行重大改写，以便有效地利用新的硬件特性。 我们小组的研究依赖于详细的大规模模拟，我们希望随时准备使用新的超级计算机，以充分发挥其潜力，一旦他们成为可用的。”

格雷特和他的同事进行的研究的基本目标是使他们在研究中经常使用的代码可移植。 换句话说，研究人员希望他们的代码在许多不同的体系结构上以高效率的方式运行，使用单一的代码库。

格雷特解释说：“最初，K-雅典娜被计划作为概念的证明，将Kokkos（一个性能可移植性库）和Athena(一个现有的CPU代码)结合起来，以实现GPU加速的模拟。” “然而，在项目的过程中，在观察其性能的同时，很明显，K-雅典娜已经不仅仅是一个概念的证明，现在是一个在任何体系结构上运行的灵活的、可生产的代码。 通过这份文件，我们希望与广大社会分享我们的经验和守则本身。

K-雅典娜通过抽象给定模拟中计算最昂贵的组件来工作。 在编译时(即。 当源代码被转换为机器/硬件代码时，代码的Kokkos库将这些抽象替换为对用户使用的特定机器或硬件最优的构造。

Grete说：“这种方法不同于其他经常维护多个代码库的遗留代码，以便能够对不同的体系结构进行模拟，比如CPU或GPU。” “一般来说，K-雅典娜的主要优点是，自然科学家现在可以专注于模拟内容本身，而不需要关注优化代码和/或为不同的体系结构编写多个版本的源代码。 后者“外包”给在Kokkos工作的计算机科学家和硬件供应商。

由Grete和他的同事进行的测试表明，K-雅典娜的性能可移植性实际上是有效的。 事实上，他们的代码在世界上最快的超级计算机中的第一、第九、第二十四和第三十三位高效运行，跨越了四种不同的体系结构。 研究人员还展示了他们的方法的可伸缩性，将其应用于几乎整个峰会超级计算机（目前是世界上最快的），就在今年早些时候正式启动的大约两个月后。

格雷特说：“从总体上看，我们希望，我们的研究结果将鼓励其他研究小组也探索其代码中的性能可移植性，最终提高科学生产力（通过花更多的时间在科学上，而不是重写/优化代码），或者以我们发布的代码为基础。”

格雷特和他的同事进行的研究提供了一个有价值的例子，说明如何调整代码以满足现代的大计算要求。 在他们的论文中，研究人员概述了他们的实施策略和他们在试图最大化计算性能时遇到的挑战。 他们希望他们的经验和洞察力将激励其他研究团队开始为exascale时代准备他们的代码和架构。

格雷特补充说：“我们的研究小组普遍对磁化湍流和扩散等离子体感兴趣，就像在许多天体物理系统中发现的那样。” “我们打算用K-雅典娜来模拟那些在分辨率和我们可以包括的物理方面前所未有的细节。 这将使我们能够处理需要大动态尺度（例如，空间等离子体中的能量转移)或与小尺度效应(例如通过小尺度发电机放大磁场）有关的尚未解决的问题。