[论文解读] The PLUTO Code on GPUs: Offloading Lagrangian Particle Methods

Alessio Suriano, Stefano Truzzi+6 more|arXiv (Cornell University)|Feb 26, 2026

Astrophysics and Cosmic Phenomena被引用 0

一句话总结

该论文通过对 PLUTO 的拉格朗日粒子（LP）模块进行 GPU 卸载的 OpenACC 重设计，在大型 GPU/CPU 上进行基准测试，展示了强/弱尺度扩展性和显著的加速。

ABSTRACT

The Lagrangian Particles (LP) module of the PLUTO code offers a powerful simulation tool to predict the non-thermal emission produced by shock accelerated particles in large-scale relativistic magnetized astrophysics flows. The LPs represent ensembles of relativistic particles with a given energy distribution which is updated by solving the relativistic cosmic ray transport equation. The approach consistently includes the effects of adiabatic expansion, synchrotron and inverse Compton emission. The large scale nature of such systems creates boundless computational demand which can only be satisfied by targeting modern computing hardware such as Graphic Processing Units (GPUs). In this work we presents the GPU-compatible C++ re-design of the LP module, that, by means of the programming model OpenACC and the Message Passing Interface library, is capable of targeting both single commercial GPUs as well as multi-node (pre-)exascale computing facilities. The code has been benchmarked up to 28672 parallel CPUs cores and 1024 parallel GPUs demonstrating $\sim(80-90)\%$ weak scaling parallel efficiency and good strong scaling capabilities. Our results demonstrated a speedup of $6$ times when solving that same benchmark test with 128 full GPU nodes (4GPUs per node) against the same amount of full high-end CPU nodes (112 cores per node). Furthermore, we conducted a code verification by comparing its prediction to corresponding analytical solutions for two test cases. We note that this work is part of broader project that aims at developing gPLUTO, the novel and revised GPU-ready implementation of its legacy.

研究动机与目标

• 在天体物理流中动量—热力耦合建模中展示对非热粒子的混合流体-动力学建模需求的动机。
• 提出面向 GPU 的 LP 模块重设计，以利用 OpenACC 和 MPI 在大规模 HPC 系统中运行。
• 通过数值基准测试和跨 CPU/GPU 架构的可扩展性测试，展示正确性与性能。
• 在预到机平台上展示可扩展性（弱/强）和加速比，以验证 gPLUTO。

提出的方法

• 将非热粒子演化的 LP 输运方程在热力膨胀、同步辐射和逆康普顿损失下重新表述。
• 将能谱离散为 Nb 个区间，在冲击处求解谱更新。
• 通过 OpenACC 将 LP 更新的 GPU 离荷实现，以及通过 MPI 进行跨节点通信。
• 采用结构化数组内存布局以实现连续的 GPU 内存访问和高效压缩。
• 使用分块内存分配策略来处理具有线性时间压缩的动态粒子群。

实验结果

研究问题

• RQ1 LP 模块是否能在不牺牲数值精度的前提下高效移植到 GPU？
• RQ2 在大型 CPU 和 GPU HPC 资源上，gPLUTO 的性能与扩展性特征是什么？
• RQ3 LP 谱更新在 MHD 冲击和辐射损耗下的表现如何？
• RQ4 在现实的三维多节点运行中，可以达到的加速比和并行效率达到何种水平？

主要发现

Function	Time (ms)
Particles_RK#1()	70
Fluid#1()	32
Particles_RK#2()	81
Particles_Boundary()	2
Particles_Exchange()	18
Fluid#2()	32
Particles_Spectra()	190
Total	425

• GPU 启用的 LP 模块在数万核或 GPU 上实现了约 80–90% 的弱尺度并行效率。
• 在 128 个 GPU 节点（每节点 4 个 GPU）上，GPU-only 运行比等效 CPU 配置快约 6 倍。
• 在对流测试中强缩放接近理想表现，直到 128 个 CPU 节点；在冲击测试中由于谱更新部分出现一定下降。
• 弱尺度显示在增加节点数和网格分辨率时具有高效率。
• 谱更新和基于 MPI 的粒子交换被认定为在所测试配置中对运行时间的主导贡献。
• gPLUTO 在测试用例中与解析解保持一致，验证了数值正确性。