È possibile adattare i modelli di calcolo e i software per sfruttare appieno il potenziale delle GPU?

In questo articolo vi vogliamo raccontare del lavoro di E4 all’interno del Centro Europeo per la Ricerca Nucleare (CERN) [1], di cui da molti anni siamo fornitori di sistemi di calcolo e di storage ad altissime prestazioni.

Dal 2018 a oggi, E4 fa parte del CERN openlab, una partnership pubblico-privata tra il CERN di Ginevra e le principali aziende del settore IT e altri centri di ricerca. 

E4, nel suo ruolo di “contributor”, ha lavorato in questi anni, insieme ai ricercatori del CERN, su progetti congiunti per promuovere lo sviluppo di tecnologie ad alte prestazioni per il calcolo nell’ambito della fisica delle alte energie. In particolare, E4 si occupa di rispondere alle esigenze di calcolo derivanti dagli esperimenti dell’acceleratore Large Hadron Collider (LHC) [2] e del suo upgrade ad alta luminosita’ HL-LHC, attraverso l’utilizzo di applicazioni accelerate con GPU.

Nel 2019, i ricercatori e gli ingegneri hanno lavorato su dieci diversi casi d’uso, che sono raggruppati in sette principali aree:

1. Simulazione di set di dati sparsi per geometrie di rivelatori

2. Incubatore di R&D – Il software “Patatrack”

3. Benchmarking e ottimizzazione del deep learning TMVA

4. Training distribuito

5. Integrazione di SixTrackLib e PyHEADTAIL

6. Ricostruzione di particelle con tecniche di machine learning

7. Allen: un trigger di alto livello su GPU per LHCb

In questo articolo partiremo ad approfondire l’ultimo di questi, Allen, e approfondiremo gli altri in futuri articoli del nostro blog.

“Allen”[3] è un’iniziativa per sviluppare un trigger completo di alto livello (il primo passaggio del processo di filtraggio dei dati dopo le collisioni di particelle) basato sulle GPU per l’esperimento LHCb[4]. Questo progetto ha beneficiato sia del sostegno di CERN openlab, sia della consulenza degli ingegneri e fisici di E4 e di NVIDIA.

Il nuovo sistema di trigger elabora 40 Tb/s, utilizzando circa 340 schede GPU NVIDIA di ultima generazione. Allen, da un punto di vista fisico, esegue le ricostruzioni delle particelle cariche con le stesse prestazioni ottenute con le CPU tradizionali. Inoltre, non solo può essere utilizzato per eseguire le ricostruzioni, ma può anche prendere decisioni sull’opportunità di accettare o rifiutare gli eventi.

Per l’esperimento LHCb i vantaggi di impiegare le GPU sono i seguenti (illustrati nella Figura 1):

• Gli attuali server sono già predisposti per essere equipaggiati con le GPU senza costi aggiuntivi per questa operazione.
• Nei casi d’uso previsti l’invio dei dati alla GPU sarà funzionalmente analogo all’invio dei dati alla scheda di rete del server di ricostruzione degli eventi: Event Builder (EB).
• Lo scopo del trigger di alto livello è quello di ridurre il rateo di dati di un fattore tra 30 e 60; se tutto il primo trigger di alto livello è realizzato con le GPU, allora i dati possono essere ridotti tramite i server EB. Questo permette una notevole semplificazione della rete che collega i server EB con la farm di calcolo; l’effetto conseguente è una riduzione dei costi della stessa.
• Gli algoritmi del trigger di alto livello hanno un alto grado di parallelismo e sono in grado di sfruttare al massimo tutti i TFLOPS delle GPU attualmente in commercio.

Una vasta gamma di algoritmi è stata implementata in modo efficiente sull’architettura Allen (vedi Figura 1). Le applicazioni sono scritte in C++ con estensioni CUDA. Quando sono compilate su architettura x86, i risultati tra GPU e CPU differiscono dell’ordine del per mille, perfettamente accettabile per le necessità dell’esperimento.

Figura 1: Architettura prevista per il trigger di alto livello dell’esperimento di LHCb, durante il Run 3 di LHC. 

Ciò dimostra il potenziale per le GPU di essere utilizzate come “acceleratori” nella fisica delle alte energie per elaborazioni di dati ad alta frequenza. In effetti, Allen è il primo sistema di trigger ad alto rendimento che sarà implementato interamente utilizzando GPU, con ciascuna scheda GPU che ricostruisce e prende decisioni su oltre 100.000 collisioni LHC al secondo. Poiché Allen è stato sviluppato fin dall’inizio come framework di elaborazione indipendente dagli esperimenti, potrebbe essere utilizzato in futuro in campi completamente diversi, dove è richiesta una grande e rapida capacità di selezionare gli eventi.

Allen sarà impiegato dall’esperimento LHCb come nuova architettura di base per la prossima presa dati di LHC (Run 3) a partire dal 2021. [5]

Link utili:

[1] https://home.cern/

[2] https://home.cern/science/accelerators/large-hadron-collider

[3] http://cds.cern.ch/record/2717938/files/LHCB-TDR-021.pdf

[4] http://lhcb.web.cern.ch/

[5] https://home.cern/news/news/computing/allen-initiative-supported-cern-openlab-key-lhcb-trigger-upgrade