JavaScript for Scientific Computing

Hola, soy Gun Joshi, un desarrollador de código abierto y este año contribuyente de Google Summer of Code para Standard Lib. En esta charla, discutiremos matemáticas avanzadas y análisis de datos con JavaScript. Comencemos.

Empezamos discutiendo por qué JavaScript es una buena opción para la computación numérica y científica en el navegador web. Luego compararemos su velocidad con Python y R, y tocaremos el papel de WebAssembly y exploraremos casos donde el JavaScript puro se queda corto. Finalmente, presentaremos Standard Lib, que es una biblioteca fundamental para el cálculo numérico en la web, similar a lo que tenemos con NumPy o SciPy en Python.

Comencemos discutiendo por qué deberías usar JavaScript para la visualización matemática y de datos. Hoy en día va mucho más allá del desarrollo web. Tomemos a Bilibili como ejemplo. Es una plataforma de contenido de entretenimiento en China y el sudeste asiático. Bilibili utilizó la segmentación de imágenes en el navegador en el dispositivo para mostrar retroalimentación en tiempo real de los espectadores a través de transmisiones de video. Esto llevó a un aumento del 30% en la duración de la sesión y una mejora del 19% en la tasa de clics. O tomemos Adobe Photoshop Web Beta como ejemplo. Es una versión en línea de Adobe Photoshop. Utilizaron aprendizaje automático en el navegador para inferencia en el dispositivo para mejorar las características de ML como la herramienta de selección de objetos. Lograron hasta un 200% de mejora en el rendimiento de la ejecución del modelo, lo que proporcionó capacidades de edición casi en tiempo real en el propio navegador web.

Bien, entonces discutimos que JavaScript puede hacer el trabajo. Pero, ¿qué hay de la velocidad? ¿No se supone que Python o R son más rápidos? Bueno, no necesariamente. Este gráfico compara la velocidad de ejecución para diferentes tamaños de arrays en el eje x donde estamos calculando la suma de elementos de un vector usando un simple bucle for. No es sorpresa que C sea el más rápido, pero JavaScript sigue de cerca con velocidad casi nativa porque los compiladores just-in-time optimizan el código en tiempo de ejecución. Mientras tanto, Python y R luchan por mantenerse al día, especialmente cuando los tamaños de los arrays crecen.

Hablamos de velocidad, pero ¿qué hay de WebAssembly? ¿Cómo se compara? Este gráfico muestra el rendimiento para funciones específicas como la función de error, exponencial y función logarítmica. C es el más rápido en todos los ámbitos, pero nota que WebAssembly a menudo tiene un rendimiento inferior al JavaScript puro, especialmente para funciones complejas como exponencial y logarítmica. Para este tipo de tareas puntuales, JavaScript puro funciona bien. Pero toda la historia cambia al aplicar la misma operación a muchos elementos en un array. Aquí comparamos JavaScript contra C, Wasm y WasmCopy para rutinas blast. Si no estás familiarizado con la diferencia entre WebAssembly y WebAssemblyCopy. En WasmCopy, asignamos un array tipado en JavaScript y luego copiamos los datos en el módulo de memoria de WebAssembly antes de ejecutar el cálculo. Con Wasm, no hay necesidad de este paso adicional de copia. En el primer gráfico, Wasm tiene un rendimiento mucho mejor ya que WasmCopy no vale la pena para rutinas como DAXP porque copiar los datos agrega una sobrecarga significativa en comparación con la operación real, que DAXP realiza.

Pero para casos cuando las operaciones son más pesadas, como la multiplicación de matrices en DGEMM, como tenemos en el segundo gráfico, la sobrecarga por copiar datos de arrays es menos significativa en comparación con la operación real. Así que hay una diferencia muy pequeña en el rendimiento de Wasm y WasmCopy. Así que JS puro puede no ser el más eficiente para este tipo de operaciones, pero tenemos instancias donde podemos obtener un rendimiento acelerado en tiempos de ejecución de JavaScript. En el primer gráfico, estamos evaluando la función de error para múltiples elementos en un vector. Con tamaños de vector crecientes, llamar a un complemento nativo introduce una sobrecarga significativa. Así que cuando tenemos tamaños de vector pequeños, hay una sobrecarga significativa por agregar un complemento nativo. Pero cuando los tamaños de los arrays se vuelven grandes, esa sobrecarga se vuelve insignificante y los complementos nativos muestran claras ganancias de rendimiento, aproximadamente tres veces más rápido para vectores más grandes. Ahora en el segundo gráfico, el segundo gráfico observa el blast acelerado por hardware usando el marco Apple accelerate en macOS. Una vez más, hay una sobrecarga notable para vectores pequeños, pero más allá de 1000 elementos, disminuye significativamente. Aquí los complementos nativos son alrededor de cinco veces más rápidos y la brecha de rendimiento crece aún más compleja a medida que avanzamos hacia operaciones más complejas, como la multiplicación de matrices en el caso de DGEMM. Así que mientras los compiladores just-in-time de JavaScript son rápidos, pueden ofrecer hasta un 25 o 50% de la velocidad del código nativo. Para ir aún más rápido, podemos aprovechar tecnologías complementarias como los complementos nativos de Node.js y la aceleración de hardware para un impulso significativo. Entonces, ¿cuál es la solución que podemos inferir de todo esto? La solución es standard lib.

Standard lib es una biblioteca fundamental para el cálculo numérico en la web, similar a lo que tenemos numpy o scipy en Python. Algunas de sus características incluyen fancy indexing y por fancy indexing, nos referimos a lo que tenemos en Python, la indexación donde puedes crear y establecer cortes arbitrarios de datos de arrays y aplicar cosas como máscaras de arrays booleanos e enteros para filtrado y extracción de datos. También tiene blast, que es una colección de operaciones fundamentales utilizadas para álgebra lineal, análisis estadístico, transformación de imágenes, aprendizaje automático, e incluye operaciones para multiplicación de matrices, manipulación, escalado y transformación, algunas de las cuales consisten en ejemplos como DASM, que se utiliza para calcular la suma de valores absolutos o D. para calcular el producto punto de dos vectores de punto flotante de doble precisión o incluso Gswap, que se utiliza para intercambiar dos vectores. Además, tiene varios generadores de números pseudoaleatorios, como uniforme, gamma, discreto uniforme y mucho más. Toman argumentos como min y max en el caso de uniforme o parámetros de forma y tasa alfa y beta en el caso de gamma y generan un número pseudoaleatorio de esa distribución particular.

Standard lib también viene con un REPL, que es un entorno de intérprete interactivo para ejecutar JavaScript. Viene con temas personalizables, resaltado de sintaxis y muchas más características. Ahora algunas personas podrían preguntar si es posible simplemente compilar y cargar bibliotecas como NumPy y Scipy para ejecutarlas directamente dentro de los navegadores web. Aunque esto es posible, hacerlo viene con una desventaja significativa en comparación con usar standard lib. Para dar un poco de contexto, Pyodide, WebR y standard lib permiten ejecutar funciones de Python o JavaScript directamente en el navegador web. Y basándonos en estos gráficos, podemos concluir que standard lib es mejor o igual a otras alternativas basadas en la velocidad de carga como podemos ver en el primer gráfico, mientras que hay una gran diferencia entre lo que hay en el caso de Pyodide y está standard lib. También hay una gran diferencia en el caso de la velocidad, como podemos observar en el segundo gráfico. Standard lib también proporciona órdenes de magnitud más APIs que otras bibliotecas dentro del ecosistema web numérico como TensorFlow, JSTAT, MathJS, SciJS, y hay una diferencia muy significativa si echas un vistazo al número de APIs con standard lib en comparación con el resto de ellas. Hay un ejemplo particular que demuestra cómo uno puede implementar el famoso algoritmo PageRank que impulsa la Búsqueda de Google usando solo la funcionalidad de standard lib. A un alto nivel, quiero llamar tu atención sobre las declaraciones de importación. Estas pueden parecer muchas pero esto es en realidad un beneficio ya que todo el proyecto se descompone en paquetes individuales permitiendo a los usuarios importar y usar solo las funciones que requieren, reduciendo así los tamaños de los paquetes. Cada función llamada en esta implementación es una función de standard lib por lo que no hay necesidad de importar otras bibliotecas. Standard lib puede ser una solución integral para el cálculo numérico y científico y en esta implementación tales funciones incluyen aquellas para escalar vectores, realizar multiplicación de matrices y vectores, calcular la norma, creación de arrays y aritmética elemento por elemento.

Pero eso no es todo, incluso tenemos integración prototipo de standard lib directamente en Google Sheets. Aquí estamos usando generadores de números pseudoaleatorios de standard lib en Google Sheets. Los nombres de las funciones siguen las mismas convenciones que se usan en Google Sheets. Así que no hay nueva sintaxis que aprender. Además, todas las funciones destacadas están impulsadas por rutinas de standard lib que ejecutan JavaScript puro bajo el capó. Nuevamente, las funciones de standard lib usan una sintaxis familiar pero con rutinas blast se vuelve aún mejor. La integración con hojas de cálculo ayuda a visualizar operaciones complejas como strides u offsets haciendo que la depuración y la comprensión sean mucho más fáciles. Entonces, ¿estás pensando en ser parte de todo este material genial? Sí, puedes ir adelante y acceder al repositorio de GitHub de standard lib. Puedes comenzar por iniciar el repositorio, revisar las pautas de contribución y sumergirte en la base de código. Hay una comunidad útil y atractiva ahí fuera. Si tienes alguna duda o quieres agregar nuevas características también puedes lanzar todas tus preguntas a ellos. También tienen un blog donde se actualizan publicaciones regulares relacionadas con standard lib y como este año también standard lib planea postularse para Google summer of code en 2025 nuevamente. Así que eso fue todo de mi parte. Gracias. Que tengas un buen día.