基于 Wire-Cell 工具包的 LArTPC 模拟可移植加速方案评估

液氩时间投影室（LArTPC）技术在许多当前和未来的中微子实验中起着至关重要的作用。准确而快速的模拟对于开发高效分析算法和精确物理模型预测至关重要。随着深度学习算法在 LArTPC 分析中日益广泛使用，且其训练需要大量模拟数据集，模拟速度变得更加重要。异构计算是将计算密集型任务委托给专用硬件的高效方式。然而，由于计算加速器格局快速演进，手动不断适配代码至最新硬件或软件环境变得愈发困难。一个可移植到多种硬件架构且不显著牺牲性能的解决方案将非常有益，尤其对于 LArTPC 模拟等长期项目。为寻找可移植、可扩展且可维护的 LArTPC 模拟软件方案，我们已开始探索支持多种硬件后端的高层可移植编程框架。本文中，我们将介绍把 Wire-Cell 工具包中的 LArTPC 模拟代码移植到 NVIDIA GPU 的经验，先采用 CUDA 编程模型，再采用名为 Kokkos 的可移植库。我们将给出在 NVIDIA V100 GPU 和多核 CPU 上的初步性能结果，随后讨论影响性能的因素及未来改进计划。