Por primera vez, datos de LHCb, un gran experimento de física, se procesará en una granja de GPU. Esta solución no solo es mucho más económica, pero ayudará a disminuir el tamaño del clúster y procesar datos a velocidades de hasta 40 Tbit / s. El trabajo de investigación ha sido publicado en Computación y software para la gran ciencia .

Un grupo de trabajo interdisciplinario de investigadores de una de las mayores colaboraciones internacionales en la belleza del LHC de física de altas energías en el CERN ha sugerido una forma novedosa de procesar un enorme flujo de datos desde el detector de partículas. El equipo está formado por investigadores de las principales universidades europeas y estadounidenses. La parte rusa del equipo estuvo representada por HSE y la Escuela de análisis de datos Yandex. El objetivo principal de la propuesta es proporcionar a la colaboración un sólido, Solución eficiente y flexible que podría hacer frente al aumento del flujo de datos esperado durante el próximo período de toma de datos. Esta solución no solo es mucho más económica, pero ayudará a disminuir el tamaño del clúster y procesar datos a velocidades de hasta 40 Tbit / s.

El LHC y el LHCb en particular se crearon con el propósito de buscar "nueva física, "algo más allá del modelo estándar. Si bien la investigación ha logrado un éxito moderado, esperanzas de encontrar partículas completamente nuevas, como los WIMP, ha fallado. Muchos físicos creen que para lograr nuevos resultados, Las estadísticas sobre colisión de partículas en el LHC deberían incrementarse considerablemente. Pero esto no solo requiere nuevos equipos de aceleración (las actualizaciones están en curso y se completarán para 2021-2022), sino también nuevos sistemas para procesar datos de colisión de partículas. Para detectar los eventos en LHCb como correctamente registrados, la pista reconstruida debe coincidir con la modelada por el algoritmo. Si no hay coincidencia, los datos están excluidos. Aproximadamente el 70% de todas las colisiones en el LHC se excluyen de esta manera, lo que significa que se requieren serias capacidades de cálculo para este análisis preliminar.

Un grupo de investigadores, incluyendo a Andrey Ustyuzhanin, Mikhail Belous y Sergei Popov de la Universidad HSE, presentó un nuevo artículo con un algoritmo de una granja de GPU como primer disparador de alto nivel (HLT1) para el registro y la detección de eventos en el detector LHCb. El concepto se ha llamado Allen, después de Frances Allen, investigadora en teoría de sistemas computacionales y primera mujer en recibir el premio Turing.

A diferencia de los desencadenantes anteriores, el nuevo sistema transfiere datos de CPU a GPU. Estos pueden incluir tanto soluciones profesionales (como Tesla GPU, las más avanzadas del mercado) y las GPU "gamer" ordinarias de NVIDIA o AMD. Gracias a esto, el gatillo Allen no depende de un proveedor de equipo específico, lo que facilita la creación y reduce los costes. Con los sistemas de más alto rendimiento, el disparador puede procesar datos hasta 40 Tbit / s.

En un esquema estándar, la información sobre todos los eventos va desde el detector a un disparador de nivel cero (L0), que consta de chips programables (FPGA). Realizan la selección en el nivel básico. En el nuevo esquema, no habrá ningún disparador L0. Los datos van inmediatamente a la finca, donde cada una de las 300 GPU procesa simultáneamente millones de eventos por segundo.

Después del registro y la detección inicial del evento, solo los datos seleccionados con información física valiosa van a procesadores x86 ordinarios de disparadores de segundo nivel (HLT2). Esto significa que la principal carga computacional relacionada con la clasificación de eventos ocurre en la granja mediante GPU de manera excepcional.

Este marco ayudará a resolver el análisis de eventos y las tareas de selección de manera más efectiva:las GPU se crean inicialmente como un sistema multicanal con múltiples núcleos. Y aunque las CPU están orientadas al procesamiento de información consecutivo, Las GPU se utilizan para cálculos simultáneos masivos. Además, tienen un conjunto de tareas más específico y limitado, que se suma al rendimiento.

Según Denis Derkach, jefe del equipo LHCb en HSE University, gracias a la decisión de no utilizar CPU, la nueva granja es adecuada para la futura toma de datos del LHCb. Además, Allen costará significativamente menos que un sistema similar en CPU. También será más simple que los sistemas de registro de eventos anteriores en aceleradores.

El beneficio a largo plazo del nuevo enfoque es particularmente importante. Actualmente se están actualizando equipos para muchos experimentos de física en todo el mundo. Y prácticamente cada actualización de este tipo conduce a un flujo creciente de información procesada. Previamente, Los experimentos no utilizaron sistemas basados ​​en GPU de forma excepcional. Pero las ventajas de Allen (una arquitectura más simple y menor costo) son tan obvias que este enfoque indudablemente llevará la iniciativa más allá del experimento LHCb.