RAMSES ускорили за счёт локального обмена данными и оптимизаций памяти

Авторы не просто «подкрутили» RAMSES, а поменяли сам способ, как код делит вычислительную область между узлами. Раньше такие симуляции часто опирались на глобальный обмен данными, когда почти всем приходится синхронизироваться почти со всеми. Здесь вместо этого сделали более локальную схему: каждый участок вычислений обменивается данными только с соседями. Для больших расчётов это важно, потому что число партнёров по обмену больше не растёт вместе с размером задачи.

Ещё одна боль таких симуляций — память. Когда расчёт разрастается, на каждом узле начинает не хватать ресурсов просто на служебные структуры. Поэтому в коде добавили хеш-таблицу для поиска соседних ячеек сетки и стали выделять массивы только тогда, когда они действительно нужны. Иными словами, код перестал заранее держать в памяти лишнее, а это заметно снижает нагрузку на каждый вычислительный узел.

Отдельно авторы ускорили локальные физические процедуры, связанные со сверхновыми и активными ядрами галактик. Для этого они придумали способ быстро группировать данные по пространству, и именно здесь получился скачок примерно в 260 раз. Параллельно они проверили, как всё это работает на гибридных системах с CPU и GPU: решатель уравнения Пуассона на GPU ускорился, а общий выигрыш на нынешнем железе оказался умеренным, потому что одна из частей кода упирается в пропускную способность PCIe — шины, по которой данные ходят между процессором и видеокартой.