GPGPU application in fusion science

GPGPUs have firmly earned their reputation in HPC (High Performance Computing) as hardware for massively parallel computation. However their application in fusion science is quite marginal and not considered a mainstream approach to numerical problems. Computation advances have increased immensely over the last decade and continue to accelerate. GPGPU boards were always an alternative and exotic approach to problem solving and scientific programming, which was cultivated only by enthusiasts and specialized programmers. Today it is about 10 years, since the first fully programmable GPUs appeared on the market. And due to exponential growth in processing power over the years GPGPUs are not the alternative choice any more, but they became the main choice for big problem solving. Originally developed for and dominating in fields such as image and media processing, image rendering, video encoding/decoding, image scaling, stereo vision and pattern recognition GPGPUs are also becoming mainstream computation platforms in scientific fields such as signal processing, physics, finance and biology. This PhD contains solutions and approaches to two relevant problems for fusion and plasma science using GPGPU processing. First problem belongs to the realms of plasma and accelerator physics. I will present number of plasma simulations built on a PIC (Particle In Cell) method such as plasma sheath simulation, electron beam simulation, negative ion beam simulation and space charge compensation simulation. Second problem belongs to the realms of tomography and real-time control. I will present number of simulated tomographic plasma reconstructions of Fourier-Bessel type and their analysis all in real-time oriented approach, i.e. GPGPU based implementations are integrated into MARTe environment. MARTe is a framework for real-time application developed at JET (Joint European Torus) and used in several european fusion labs. These two sets of problems represent a complete spectrum of GPGPU operation capabilities. PIC based problems are large complex simulations operated as batch processes, which do not have a time constraint and operate on huge amounts of memory. While tomographic plasma reconstructions are online (realtime) processes, which have a strict latency/time constraints suggested by the time scales of real-time control and operate on relatively small amounts of memory. Such a variety of problems covers a very broad range of disciplines and fields of science: such as plasma physics, NBI (Neutral Beam Injector) physics, tokamak physics, parallel computing, iterative/direct matrix solvers, PIC method, tomography and so on. PhD thesis also includes an extended performance analysis of Nvidia GPU cards considering the applicability to the real-time control and real-time performance. In order to approach the aforementioned problems I as a PhD candidate had to gain knowledge in those relevant fields and build a vast range of practical skills such as: parallel/sequential CPU programming, GPU programming, MARTe programming, MatLab programming, IDL programming and Python programming.

Le GPGPU sono ormai affermate come hardware per il calcolo parallelo nel mondo HPC (High Performance Computing). Le applicazioni nel campo della scienza fusionistica sono tuttavia piuttosto marginali e non rappresentano il principale approccio alla soluzione di problemi numerici. I progressi nell’ambito computazionale sono stati enormi nell’ultimo decennio e continuano tutt’ora: le schede grafiche sono da sempre state una strada esotica per la soluzione di problemi di calcolo scientifico, prevalentemente percorsa da programmatori specializzati. A dieci anni di distanza dalla comparsa sul mercato della prima GPU completamente programmabile, grazie ad una crescita esponenziale della potenza di calcolo, queste schede rappresentano la principale alternativa per la soluzione di problemi computazionali importanti. Sviluppate in origine per l’utilizzo in campi quali il processamento di immagini, rendering, codifica/decodifica video, riconoscimento di pattern, le GPGPU stanno diventando le principali piattaforme di calcolo in ambiti scientifici quali fisica, finanza e biologia. Questa tesi di dottorato affronta, utilizzando il calcolo su GPGPU, due importanti questioni legate alla scienza della fusione e del plasma. Il primo problema riguarda l’ambito della fisica del plasma e degli acceleratori. Presento un modello PIC (Particle In Cell) per simulare plasmi non magnetizzati, dimostrando la sua validit`a rispetto alla formazione dello strato di Debye, e la sua applicazione alla formazione di un fascio di ioni negativi e alla compensazione di carica spaziale. Il secondo problema `e nell’ambito della tomografia e del controllo real-time. Presento diversi casi di ricostruzione tomografica simulata di tipo Fourier-Bessel, e la loro analisi con approccio real-time, con implementazione GPGPU integrata in ambiente MARTe, un framework siluppato a JET (Joint European Torus) e usato in diversi laboratori europei. Questi due problemi offrono un panorama completo delle capacit`a delle GPGPU. I codici PIC permettono simulazioni vaste, che durano molti giorni, ed impiegano enorme quantit`a di memoria. Le ricostruzioni tomogratiche sono operazioni da risolvere in tempo reale, usano poca memoria, con limiti sulla latenza dell’implementazione. I problemi studiati coprono diverse discipline e campi della scienza: fisica del plasma, fisica degli NBI (Neutral Beam Injector), fisica dei tokamak, parallel computing, solutori diretti ed iterativi, metodo PIC, tomografia e cos`ı via. La tesi include una analisi estesa delle performance delle schede Nvidia GPU, considerando l’applicabilit`a al controllo real-time. Come candidato, per affrontare i problemi presentati ho acquisito competenze in questi ambiti, e raggiunto buona abilita' nella programamzione seriale e parallela, applicata anche a GPGPU, e abilit`a specifiche legate ai framework MARTe, MatLab, IDL e Python.