Investigadores han desarrollado SACRA-K, un nuevo código de relatividad numérica diseñado para simular eventos astrofísicos extremos como la fusión de agujeros negros y estrellas de neutrones. Este código, una adaptación a C++ con la biblioteca Kokkos del anterior SACRA-MPI en Fortran, mantiene la física y los métodos numéricos originales, incluyendo la evolución del espaciotiempo BSSN con propagación de restricciones Z4c y el refinamiento de malla adaptativo Berger-Oliger. La principal novedad de SACRA-K es su "portabilidad de rendimiento" entre diferentes arquitecturas de hardware, lo que permite aprovechar la potencia de las unidades de procesamiento gráfico (GPUs) y las unidades de procesamiento acelerado (APUs).

La validación de SACRA-K se realizó comparándolo con SACRA-MPI en diversas configuraciones, como sistemas binarios de agujeros negros, de agujeros negros con estrellas de neutrones y de estrellas de neutrones binarias. Los resultados muestran que las discrepancias en las formas de onda gravitacionales generadas están muy por debajo de la variabilidad observada entre códigos independientes y de las variaciones dependientes de la resolución dentro de un mismo código. Además, estas diferencias se mantienen en o por debajo del umbral de detectabilidad de los actuales observatorios de ondas gravitacionales. El código también preserva la simetría π a nivel de bit y exhibe una convergencia de segundo orden en la fase de las ondas gravitacionales durante la fusión de estrellas de neutrones.

En las configuraciones de prueba más pequeñas, SACRA-K demostró ser aproximadamente diez veces más rápido en clústeres de GPUs NVIDIA A100 o APUs AMD MI300A que SACRA-MPI en clústeres de CPUs. El equipo ha logrado escalar el rendimiento de SACRA-K hasta 256 dispositivos aceleradores, lo que subraya su capacidad para explotar el paralelismo masivo de las arquitecturas modernas. Este avance es crucial para la astrofísica numérica, ya que permite simulaciones más rápidas y eficientes de fenómenos que generan ondas gravitacionales, facilitando una mejor interpretación de los datos observacionales de detectores como LIGO y Virgo.