[论文解读] Improving computational efficiency of Monte-Carlo simulations with variance reduction

A Turner, Andrew Davis|arXiv (Cornell University)|Sep 24, 2013

Nuclear reactor physics and engineering参考文献 6被引用 7

一句话总结

本文提出了一种在蒙特卡罗模拟中动态减少方差的技术，以缓解并行计算环境中因'长历史'导致的性能下降问题。通过在发生较大权重偏差时自适应调整权重窗，该方法减少了并行效率低下问题——在ITER等大型托卡马克模型上将性能提升一倍——且不引入偏差，从而实现对复杂聚变反应堆几何结构（结合了定向传输与深层穿透效应）的更快、可扩展的模拟。

ABSTRACT

CCFE perform Monte-Carlo transport simulations on large and complex tokamak models such as ITER. Such simulations are challenging since streaming and deep penetration effects are equally important. In order to make such simulations tractable, both variance reduction (VR) techniques and parallel computing are used. It has been found that the application of VR techniques in such models significantly reduces the efficiency of parallel computation due to 'long histories'. VR in MCNP can be accomplished using energy-dependent weight windows. The weight window represents an 'average behaviour' of particles, and large deviations in the arriving weight of a particle give rise to extreme amounts of splitting being performed and a long history. When running on parallel clusters, a long history can have a detrimental effect on the parallel efficiency - if one process is computing the long history, the other CPUs complete their batch of histories and wait idle. Furthermore some long histories have been found to be effectively intractable. To combat this effect, CCFE has developed an adaptation of MCNP which dynamically adjusts the WW where a large weight deviation is encountered. The method effectively 'de-optimises' the WW, reducing the VR performance but this is offset by a significant increase in parallel efficiency. Testing with a simple geometry has shown the method does not bias the result. This 'long history method' has enabled CCFE to significantly improve the performance of MCNP calculations for ITER on parallel clusters, and will be beneficial for any geometry combining streaming and deep penetration effects.

研究动机与目标

• 解决在聚变反应堆几何结构的并行蒙特卡罗模拟中，由长历史引起的性能瓶颈问题。
• 在方差减少模拟中保持计算效率，同时不损害准确性。
• 开发一种动态权重窗调整策略，以减少高性能计算集群中并行空闲时间。
• 实现对大型复杂托卡马克模型（如ITER）的可扩展且可行的蒙特卡罗模拟。
• 在深层穿透与定向传输场景下，平衡方差减少的有效性与并行执行效率。

提出的方法

• 该方法在MCNP中动态调整能量相关的权重窗，当在粒子输运过程中检测到显著的权重偏差时触发。
• 通过放宽权重窗边界，使方差减少策略去优化，以防止过度分裂和长历史的产生。
• 当粒子权重与预期平均值出现显著偏离时触发调整，表明可能存在计算路径过长的风险。
• 该方法在保持模拟统计完整性的同时，降低了单个进程主导计算时间的可能性。
• 该算法被集成到修改版MCNP中，实现在模拟执行过程中的实时自适应调整。
• 该方法在简单几何结构上进行了测试，以验证其不会在结果中引入偏差。

实验结果

研究问题

• RQ1 动态权重窗调整在采用方差减少的蒙特卡罗模拟中如何影响并行效率？
• RQ2 能否在不降低整体模拟准确性的前提下，缓解由方差减少引起的长历史问题？
• RQ3 在复杂托卡马克模型中，方差减少性能与并行可扩展性之间的权衡是什么？
• RQ4 权重窗的动态自适应是否保持了模拟的统计无偏性？
• RQ5 该方法在大型聚变反应堆模拟（如ITER）中能将性能提升到何种程度？

主要发现

• 动态权重窗方法通过减少蒙特卡罗模拟中长历史的发生，显著提升了并行效率。
• 在简单几何结构上的测试确认，该方法不会在模拟结果中引入偏差。
• 该方法在大型托卡马克模型（如ITER）上实现了显著的性能提升——模拟速度提高了一倍。
• 通过在高偏差情况下对方差减少策略进行去优化，该方法减轻了并行处理器之间的计算负载不平衡。
• 该方法在同时存在定向传输与深层穿透效应的场景中尤为有效，这类效应在聚变反应堆设计中十分常见。
• 该技术具有通用性，对任何需要方差减少与高效并行执行的复杂几何结构均具有益处。