對於傳統計算機架構來說，想要每秒分析多達10 億次質子碰撞、或數万次極其複雜的鉛碰撞，顯然並非易事。隨著大型強子對撞機（LHC）Run 3 數據處理需求的飆升，歐洲核子研究中心（CERN）也正通過四個大型實驗項目，來探索通過GPU 改善其計算基礎設施的方法。

（圖自：CERN）

據悉，LHC 實驗的最新升級，即將於2023 年投入使用。

考慮到傳統中央處理器（CPU）難以應付新的計算挑戰，目前正有四個大型項目在嘗試採用GPU 並行計算方案。

圖上圖所示，某Run 3 候選HLT 節點裝配了雙路AMD Milan 64 核CPU + 兩張英偉達Tesla T4 GPU 。

GPU 在圖像處理等應用場景下具有極高的效率，最初只是為了加速計算機3D 圖形渲染而打造。

但在過去的幾年裡，LHC 實驗、全球LHC 計算網格（WLCG）和CERN openlab 就已展開過這方面的研究嘗試。

而在高能物理應用中加大GPU 的計算投入，不僅能夠提升CERN 計算基礎設施的質量和規模，還有助於提升系統的整體能效。

鉛-鉛碰撞的2 ms 可視化呈現（圖自：ALICE TPC / CERN）

CERN IT 部門負責人Enrica Porcari 表示：

LHC 雄心勃勃的升級計劃，帶來了一系列令人興奮的計算挑戰。好消息是，GPU 能夠在機器學習（DL）方面提供有力的支撐，幫助研究人員解決許多問題。

自2020 年以來，CERN IT 部門提供了對數據中心GPU 平台的訪問權限，其已被證明在一系列應用中很受歡迎。

更重要的是，CERN openlab 正通過與工業界的合作研發項目，對將GPU 用於機器學習一事展開鄭重深入的調查。

與此同時，CERN 的科學計算協作小組，目前正努力幫助移植和優化實驗中的關鍵代碼。

多年前，ALICE 項目就率先在其“高級觸發在線計算機農場”（HLT）中使用了GPU，但也是迄今唯一大規模運用GPU 的實驗。

而新升級的ALICE 探測器擁有超過120 億個連續讀取的電子傳感器元件，每秒可生成超過3.5 TB 的數據流。即使經過一級數據處理，數據流量仍高達600 GB/s 。

這些數據會被放到具有250 個節點的HPC 農場展開在線分析，每個節點包含8 路GPU + 32 核CPU 。

大多數情況下，可將單個粒子檢測器信號組裝成粒子軌蹟的軟件（事件重建）工作，現均已適應了在GPU 上並行工作。

從2022 年開始，LHCb 實驗將處理4 TB/s 的數據流，並對每秒篩選出的最有趣的10 GB/s LHC 碰撞數據展開物理分析。

其獨特方法是不卸載工作，而是分析GPU 上每秒3000 萬個粒子束交叉點。自2018 年以來，隨著CPU 處理的改進，LHCb 的探測器重建能效也提升了將近20 倍。

目前研究人員正期待著使用2022 年的首批新系統調試數據，並在此基礎上讓升級後的LHCb 探測器得以發揮其完整的物理潛力。