【ETHZ博士论文】设计与分析：一种面向极大规模、高性能、模块化的智能体仿真平台

基于智能体的建模是研究生物学、医学、社会学、经济学等领域中复杂系统的重要工具。然而，现有的仿真平台存在两个主要问题：1）性能问题：它们未能充分利用现代硬件平台，导致性能低下；2）模块化问题：它们通常具有特定领域的软件设计，缺乏灵活性。首先，许多基于智能体的仿真平台的性能低下至少带来四个不良后果：i）它限制了能够模拟大量智能体或复杂智能体行为的仿真能力，而这在建模大规模复杂系统（如生物学和流行病学）中是必要的。ii）它延长了基于智能体的仿真的开发时间，由于仿真是迭代进行的，这导致研究周期大幅延长。iii）它限制了参数空间探索或敏感性分析的能力，可能导致次优甚至不完整的仿真结果。iv）它增加了计算能力所需的成本。其次，软件设计缺乏灵活性的平台使得在不同领域实现用例变得困难。如果建模者找不到可以轻松扩展而无需修改平台内部结构的仿真平台，他们可能会开始开发自己的仿真工具以满足建模需求。这种情况不仅浪费了资源来重新实现已有的功能，还可能由于开发仿真器的复杂性和有限的开发资源而导致妥协。本论文提出了一种名为BioDynaMo的新型仿真平台及其重大改进TeraAgent，通过三项主要工作缓解了性能和模块化问题。首先，我们通过精心定义抽象和接口、建立所需的软件基础设施以及实现基于智能体建模的多种功能，为平台奠定了基础。我们通过神经科学、流行病学和肿瘤学中的三个用例展示了BioDynaMo的功能和模块化。我们通过实验数据或解析解验证了这些模型，这也证明了BioDynaMo实现的正确性。这些模型表明，在BioDynaMo中可以轻松添加额外功能，并且其开箱即用的特性允许用128至181行C++代码简洁地定义模型。其次，我们通过对基于智能体的仿真进行严格的性能分析，确定了共享内存并行化的三个关键性能挑战，并提出了解决方案。1）为了最大化并行化，我们提出了一种优化的网格来搜索邻居并并行化线程局部结果的合并。2）我们通过非均匀内存访问感知的智能体迭代器、使用空间填充曲线对智能体进行排序以及自定义堆内存分配器来减少内存访问延迟。3）我们提出了一种机制，在某些条件下省略碰撞力计算。我们的解决方案使得性能比现有技术提升了多达三个数量级，并能够在单台服务器上模拟17.2亿个智能体。第三，我们引入了一种名为TeraAgent的分布式仿真引擎，允许将一次仿真计算扩展到多台服务器。分布式执行需要在服务器之间交换智能体信息。我们确定这种信息交换是阻碍分布式引擎高效扩展的关键瓶颈，并为此提出了两个主要解决方案。1）我们添加了定制的序列化机制以避免不必要的工作。2）我们通过增量编码扩展了智能体序列化机制，以减少数据传输量。我们选择增量编码以利用基于智能体仿真的迭代特性。我们的解决方案使TeraAgent能够：1）模拟5000亿个智能体（比现有技术提高了84倍），2）扩展到84,096个CPU核心，3）显著减少仿真时间（例如，TeraAgent在0.6秒内模拟8亿个智能体的迭代，而不是5秒），4）将可视化性能显著提高39倍。自其发布和开源以来，研究人员已使用BioDynaMo研究肺癌的放射治疗、血管肿瘤生长、胶质瘤对周围组织的侵袭、眼睛中视网膜马赛克的形成、细胞的冷冻和解冻、神经元几何结构、大脑皮层中皮质层的形成、病毒在国家范围内的传播等。PhysicsWorld将基于BioDynaMo的放射治疗模拟评为2024年物理学十大突破之一。