CUBE —— 面向宇宙学 N 体模拟的最优标度

N 体模拟是物理宇宙学中理解宇宙大尺度结构（LSS）形成的重要工具。高分辨率的大规模模拟对探索宇宙子结构以及确定中微子质量等基本物理参数至关重要。然而，传统基于粒子网格（PM）的算法消耗大量内存，限制了模拟的可扩展性。因此，我们设计了一种两级 PM 算法 CUBE，以在降低内存消耗方面达到最优性能。通过使用定点压缩技术，CUBE 将每个 N 体粒子的内存消耗降至约 6 字节，比传统基于 PM 的算法低一个数量级。我们在基于 Intel Cascade Lake 的超级计算机上将 CUBE 扩展到 512 个节点（20,480 核），弱标度效率约 95%。该标度测试在“Cosmo-$\pi$”中执行——一项使用约 4.4 万亿粒子、追踪宇宙约 137 亿年演化的宇宙学 LSS 模拟。据我们所知，Cosmo-$\pi$ 是已完成的最大宇宙学 N 体模拟。我们相信 CUBE 在亿亿次超级计算机上扩展以进行更大模拟具有巨大潜力。