[论文解读] CellListMap.jl: Efficient and customizable cell list implementation for calculation of pairwise particle properties within a cutoff

Leandro Martı́nez|arXiv (Cornell University)|Feb 13, 2022

Scientific Research and Discoveries参考文献 21被引用 13

一句话总结

CellListMap.jl 是一个高性能、可自定义的 Julia 软件包，通过使用单元格列表高效计算截断范围内的成对粒子属性。它允许用户定义任意的距离相关函数，用于计算如势能、力和速度分布等物理量，同时支持并行计算、周期性边界条件、自动微分和单位传播，性能可与最先进的模拟工具相媲美。

ABSTRACT

N-body simulations and trajectory analysis rely on the calculation of attributes that depend on pairwise particle distances within a cutoff. Interparticle potential energies, forces, distribution functions, neighbor lists, and distance-dependent distributions, for example, must be calculated. Cell lists are widely used to avoid computing distances outside the cutoff. However, efficient cell list implementations are difficult to customize. Here, we provide a fast and parallel implementation of cell lists in Julia that allows the mapping of custom functions dependent on particle positions in 2 or 3 dimensions. Arbitrary periodic boundary conditions are supported. Automatic differentiation and unit propagation can be used. The implementation provides a framework for the development of new analysis tools and simulations with custom potentials. The performance of resulting computations is comparable to state-of-the-art implementations of neighbor list algorithms and cell lists, available in specialized software. Examples are provided for the computation of potential energies, forces, distribution of pairwise velocities, neighbor lists and other typical calculations in molecular and astrophysical simulations. The Julia package is freely available at http://m3g.github.io/CellListMap.jl. Interfacing with Python and R with minimal overhead is possible.

研究动机与目标

• 解决在自定义粒子模拟和轨迹分析中缺乏可扩展、高性能的单元格列表实现的问题。
• 使研究人员无需编写底层代码即可实现新型成对粒子属性（如自定义势能或相关函数）。
• 为二维和三维系统提供高性能、类型通用的框架，并支持周期性边界条件。
• 通过支持单位传播、自动微分以及与 Python 和 R 的互操作性，实现与科学工作流的无缝集成。
• 提供用户友好的高层接口，同时保持与专用模拟软件相当的性能。

提出的方法

• 该软件包利用 Julia 的高层语法和多分派机制，允许用户定义在截断距离内的粒子对上操作的自定义函数。
• 通过基于系统盒子几何形状和截断半径将空间划分为网格单元，构建单元格列表，从而将邻居搜索时间从 O(n²) 降低至 O(n)。
• 核心计算通过 `map_pairwise` 函数完成，该函数将用户定义的函数应用于所有截断范围内的粒子对，并自动在多个线程上并行执行。
• 通过计算粒子之间的最小像距离，支持通用的周期性边界条件。
• 支持类型通用编程，允许单位、不确定性和自动微分（通过 ForwardDiff.jl）在计算过程中被正确传播。
• 通过可选的输出缓冲区复用和可配置的线程限制，实现内存效率优化，适用于单元格列表构建和映射阶段。

实验结果

研究问题

• RQ1 一个高层、可扩展的框架能否在性能上媲美专用的低层邻居列表实现？
• RQ2 对于 Lennard-Jones 势能和速度分布等常见计算，该软件包在粒子数量和并行线程数增加时的可扩展性如何？
• RQ3 在高性能并行单元格列表框架中，自动微分和单位传播的集成程度如何，是否能保持高性能？
• RQ4 该框架能否在合理的时间和内存开销下处理大规模模拟（如 1 亿个粒子）？
• RQ5 单元格列表构建阶段的性能与映射阶段相比如何？该瓶颈能否通过调优或架构改进得以缓解？

主要发现

• 该软件包在性能上可与最先进的邻居列表实现相媲美，无论是串行还是并行执行，其计算时间均随粒子数呈线性增长。
• 在 Lennard-Jones 势能计算中，映射阶段的性能随粒子数和最多 128 个线程呈线性扩展，表现出优异的并行效率。
• 当线程数超过 8 个后，单元格列表构建阶段的扩展性较差，对于小系统或映射函数计算成本较低的情况，成为性能瓶颈。
• 该框架成功计算了 1 亿个粒子的成对速度分布，仅使用约 70% 的可用内存，并在约 30 分钟内完成，其内存效率和可扩展性优于 halotools。
• 该实现无需牺牲性能即可支持高级功能，如单位传播和自动微分，从而支持基于导数的分析和不确定性量化。
• 该软件包使用户能够仅用几行代码即可实现复杂模拟和分析的交互式、高层级编码，代码冗余极少，且具有高度可维护性。