Er zijn honderden miljarden sterren in ons eigen Melkwegstelsel. Schattingen wijzen op een vergelijkbaar aantal sterrenstelsels in het waarneembare heelal, elk met zijn eigen grote verzameling sterren, velen met hun eigen planetaire systemen. Voorbij en tussen deze sterren en sterrenstelsels bevinden zich allerlei soorten materie in verschillende fasen, zoals gas en stof. Een andere vorm van materie, donkere materie, bestaat in een heel andere en mysterieuze vorm, het aankondigen van zijn aanwezigheid indirect alleen door zijn zwaartekrachtseffecten.

Dit is het universum dat Salman Habib probeert te reconstrueren, structuur voor structuur, met behulp van nauwkeurige waarnemingen van telescooponderzoeken gecombineerd met data-analyse- en simulatietechnieken van de volgende generatie die momenteel worden voorbereid voor exascale computing.

"We simuleren alle processen in de structuur en vorming van het universum. Het is als het oplossen van een zeer grote natuurkundige puzzel, " zei Habib, een senior natuurkundige en computationele wetenschapper bij de divisies High Energy Physics and Mathematics and Computer Science van het Argonne National Laboratory van het Amerikaanse Department of Energy (DOE).

Habib leidt het project "Computing the Sky at Extreme Scales" of "ExaSky, " een van de eerste projecten gefinancierd door het recent opgerichte Exascale Computing Project (ECP), een samenwerking tussen DOE's Office of Science en de National Nuclear Security Administration.

Van het bepalen van de oorspronkelijke oorzaak van oerfluctuaties tot het meten van de som van alle neutrinomassa's, de wetenschappelijke doelstellingen van dit project vertegenwoordigen een waslijst van de grootste vragen, mysteries en uitdagingen die kosmologen momenteel in verwarring brengen.

Er is de kwestie van donkere energie, de mogelijke oorzaak van de versnelde uitdijing van het heelal, terwijl nog een andere de aard en verspreiding van donkere materie in het universum is.

Dit zijn immense vragen die even uitgebreide rekenkracht vereisen om te beantwoorden. De ECP bereidt wetenschappelijke codes voor exaschaalsystemen voor, de nieuwe werkpaarden van computationele en big data science.

Geïnitieerd om de ontwikkeling van een "exascale ecosysteem" van geavanceerde, hoogwaardige architecturen, codes en kaders, het ECP stelt onderzoekers in staat data en rekenintensieve uitdagingen aan te pakken, zoals de ExaSky-simulaties van het bekende universum.

Naast de omvang van hun rekenkundige eisen, ECP-projecten worden geselecteerd op basis van de vraag of ze voldoen aan specifieke strategische gebieden, variërend van energie- en economische zekerheid tot wetenschappelijke ontdekkingen en gezondheidszorg.

"Het onderzoek van Salman kijkt zeker naar belangrijke en fundamentele wetenschappelijke vragen, maar het heeft maatschappelijke voordelen, te, " zei Paul Messina, Argonne Distinguished Fellow. "Mensen hebben de neiging zich af te vragen waar ze vandaan komen, en die nieuwsgierigheid is heel diep."

HACC'ing the night sky

voor Habib, de ECP biedt een tweeledige uitdaging:hoe voer je geavanceerde wetenschap uit op geavanceerde machines?

Het divisieoverschrijdende Argonne-team heeft aan de wetenschap gewerkt door middel van een meerjarige inspanning bij de Argonne Leadership Computing Facility (ALCF), een DOE Office of Science gebruikersfaciliteit. Het team voert kosmologische simulaties uit voor grootschalige luchtonderzoeken op de 10-petaflop high-performance computer van de faciliteit, Mira. De simulaties zijn ontworpen om te werken met observatiegegevens die zijn verzameld door gespecialiseerde surveytelescopen, zoals het aanstaande Dark Energy Spectroscopic Instrument (DESI) en de Large Synoptic Survey Telescope (LSST).

Survey-telescopen kijken naar veel grotere delen van de hemel - tot de helft van de hemel, op elk punt - dan de Hubble-ruimtetelescoop, bijvoorbeeld, die zich meer richt op individuele objecten. Op een nacht concentreren op een patch, de volgende nacht een andere, onderzoeksinstrumenten onderzoeken systematisch de lucht om een ​​cartografisch verslag van de kosmos te ontwikkelen, zoals Habib het beschrijft.

In samenwerking met Los Alamos en Lawrence Berkeley National Laboratories, het team van Argonne maakt zich klaar om de rest van de koers uit te stippelen.

Hun primaire code, die Habib hielp ontwikkelen, is al een van de snelste wetenschappelijke productiecodes die in gebruik zijn. Genaamd HACC (Hardware/Hybrid Accelerated Cosmology Code), dit op deeltjes gebaseerde kosmologieraamwerk ondersteunt een verscheidenheid aan programmeermodellen en algoritmen.

Uniek onder codes die worden gebruikt in andere exascale computerprojecten, het kan draaien op alle huidige en prototype-architecturen, van de basis X86-chip die in de meeste thuis-pc's wordt gebruikt, tot grafische verwerkingseenheden, naar de nieuwste Knights Landing-chip gevonden in Theta, het nieuwste supercomputersysteem van ALCF.

Zo robuust als de code al is, het HACC-team blijft het verder ontwikkelen, het toevoegen van belangrijke nieuwe mogelijkheden, zoals hydrodynamica en bijbehorende subgrid-modellen.

"Als je heel grote simulaties van het universum uitvoert, je kunt onmogelijk alles doen, omdat het gewoon te gedetailleerd is, " legde Habib uit. "Bijvoorbeeld, als we een simulatie uitvoeren waarin we letterlijk tientallen tot honderden miljarden sterrenstelsels hebben, we kunnen niet elk sterrenstelsel tot in detail volgen. Dus komen we met benaderingen, subgrid-modellen genoemd."

Zelfs met deze verbeteringen en de successen, de HACC-code zal nog steeds zijn prestaties en geheugen moeten verbeteren om in een exascale-raamwerk te kunnen werken. Naast HAC, het ExaSky-project maakt gebruik van de adaptieve mesh-verfijningscode Nyx, ontwikkeld bij Lawrence Berkeley. HACC en Nyx vullen elkaar aan met verschillende specialisaties. De synergie tussen beide is een belangrijk element van de aanpak van het ExaSky-team.

Een kosmologische simulatiebenadering die meerdere benaderingen combineert, maakt de verificatie mogelijk van moeilijk op te lossen kosmologische processen waarbij zwaartekrachtevolutie betrokken is, gasdynamica en astrofysische effecten bij zeer hoge dynamische bereiken. Nieuwe computationele methoden zoals machine learning zullen wetenschappers helpen om snel en systematisch kenmerken te herkennen in zowel de observatie- als simulatiegegevens die unieke gebeurtenissen vertegenwoordigen.

Een biljoen lichtdeeltjes

Het werk dat in het kader van het ECP wordt geproduceerd, zal verschillende doelen dienen, ten goede komen aan zowel de toekomst van kosmologische modellering als de ontwikkeling van succesvolle exaschaalplatforms.

Aan het modellerende einde, de computer kan veel universums genereren met verschillende parameters, waardoor onderzoekers hun modellen kunnen vergelijken met waarnemingen om te bepalen welke modellen het meest nauwkeurig bij de gegevens passen. Alternatief, de modellen kunnen voorspellingen doen voor nog te doen waarnemingen.

Modellen kunnen ook uiterst realistische beelden van de lucht produceren, wat essentieel is bij het plannen van grote observatiecampagnes, zoals die van DESI en LSST.

"Voordat je het geld uitgeeft om een ​​telescoop te bouwen, het is belangrijk om ook extreem goede gesimuleerde gegevens te produceren, zodat mensen observatiecampagnes kunnen optimaliseren om hun gegevensuitdagingen aan te gaan, ' zei Habib.

Maar de kosten van realisme zijn duur. Simulaties kunnen in het biljoen-deeltjesrijk reiken en in een enkele run meerdere petabytes - quadriljoenen bytes - aan gegevens produceren. Naarmate exascale wijdverspreid wordt, deze simulaties zullen 10 tot 100 keer zoveel data opleveren.

Het werk dat het ExaSky-team doet, samen met die van de andere ECP-onderzoeksteams, zal helpen bij het aanpakken van deze uitdagingen en die waarmee computerfabrikanten en softwareontwikkelaars worden geconfronteerd bij het creëren van coherente, functionele exaschaalplatforms om te voldoen aan de behoeften van grootschalige wetenschap. Door met hun eigen codes te werken op pre-exascale machines, het ECP-onderzoeksteam kan leveranciers helpen bij het ontwerpen van chips, I/O-bandbreedte en geheugenvereisten en andere functies.

"Al deze dingen kunnen de ECP-gemeenschap helpen hun systemen te optimaliseren, " merkte Habib op. "Dat is de fundamentele reden waarom de wetenschappelijke teams van ECP werden gekozen. We zullen de lessen die we leren bij het omgaan met deze architectuur terugbrengen naar de rest van de wetenschappelijke gemeenschap en zeggen:'We hebben een oplossing gevonden.'"