[论文解读] Dark Sky Simulations: Early Data Release

Samuel W. Skillman, Michael S. Warren+4 more|Zenodo (CERN European Organization for Nuclear Research)|Jul 9, 2014

Galaxies: Formation, Evolution, Phenomena参考文献 98被引用 82

一句话总结

Dark Sky 模拟发布提供了大规模宇宙学 N体模拟套件，使用 1.07 万亿粒子在 8 Gpc/h 体积内，通过 Titan 超级计算机上的树状方法进行模拟。主要贡献是公开可访问的高保真数据集——超过 55 TB——包含在 1% 水平上一致的质量函数和功率谱，使未来巡天的精确宇宙学研究成为可能。

ABSTRACT

The Dark Sky Simulations are an ongoing series of cosmological N-body simulations designed to provide a quantitative and accessible model of the evolution of the large-scale Universe. Such models are essential for many aspects of the study of dark matter and dark energy, since we lack a sufficiently accurate analytic model of non-linear gravitational clustering. In July 2014, we made available to the general community our early data release, consisting of over 55 Terabytes of simulation data products, including our largest simulation to date, which used $1.07 imes 10^{12}~(10240^3)$ particles in a volume $8h^{-1}\mathrm{Gpc}$ across. Our simulations were performed with 2HOT, a purely tree-based adaptive N-body method, running on 200,000 processors of the Titan supercomputer, with data analysis enabled by yt. We provide an overview of the derived halo catalogs, mass function, power spectra and light cone data. We show self-consistency in the mass function and mass power spectrum at the 1% level over a range of more than 1000 in particle mass. We also present a novel method to distribute and access very large datasets, based on an abstraction of the World Wide Web (WWW) as a file system, remote memory-mapped file access semantics, and a space-filling curve index. This method has been implemented for our data release, and provides a means to not only query stored results such as halo catalogs, but also to design and deploy new analysis techniques on large distributed datasets.

研究动机与目标

• 提供一个公开可访问的、高动态范围的宇宙学模拟数据集，以支持精确宇宙学和观测巡天规划。
• 通过在现代 HPC 架构上使用纯树状引力求解器，验证大规模 N体模拟的准确性和一致性。
• 通过一种新颖的基于网络的文件系统抽象，实现对 Peta 级模拟数据的高效访问和分析。
• 通过在模拟完成三个月内发布数据，缩短结果传播时间。
• 为即将开展的大规模天空巡天（如 DESI、LSST）提供真实模拟星表和统计预测支持。

提出的方法

• 使用 2HOT 这一纯树状自适应 N体方法执行模拟，避免使用粒子网格近似。
• 最大规模的模拟在 Titan 超级计算机的 200,000 个处理器上运行，使用 1.07 × 10^12 个粒子，覆盖 (8h⁻¹ Gpc)^3 体积。
• 通过 yt 分析框架实现数据的分析和可视化，支持对模拟输出的复杂后处理。
• 提出一种新型数据访问系统，将万维网抽象为文件系统，支持远程内存映射访问和空间填充曲线索引，以实现大文件的高效检索。
• 生成并验证了晕系表、功率谱和光锥输出，确保在不同模拟盒尺寸间的一致性。
• 数据发布托管于 SLAC darksky 服务器，并在模拟完成后的三个月内向公众开放。

实验结果

研究问题

• RQ1 在现代超级计算机上，纯树状 N体方法是否足以在万亿粒子规模的宇宙学模拟中实现足够的精度和性能？
• RQ2 质量函数和功率谱在不同模拟盒尺寸和粒子质量下的一致性程度如何？
• RQ3 如何高效地通过互联网访问和分析超过 34 TB 的 Peta 级模拟数据？
• RQ4 模拟结果能否用于对大尺度巡天可观测量（如通过 Sunyaev-Zel’dovich 效应的星系团计数）做出可靠预测？
• RQ5 大规模模拟数据的快速公开传播在可行性与性能方面如何？是否能加速科学发现？

主要发现

• 质量函数和质量功率谱在粒子质量范围超过 1000 倍的区间内保持 1% 水平的一致性，验证了模拟的准确性。
• 最大规模的模拟 ds14_a 包含 1.07 × 10^12 个粒子，覆盖 8h⁻¹ Gpc 体积，是迄今规模最大的宇宙学模拟之一。
• 新型数据访问系统实现了通过互联网对单个 34 TB 文件的远程内存映射访问，展示了对大规模数据集的可扩展性。
• 数据在模拟完成 80 天内向公众发布，总计超过 55 TB 的可访问模拟产品。
• 与文献结果的对比显示，依尺度不同，一致性在 1–10% 水平之间，证实了模拟输出的可靠性。
• 来自 ds14_a 的光锥数据集可实现对大尺度巡天可观测量（如全天空 Sunyaev-Zel’dovich 星系团计数）的高统计保真度预测。