Bewertung der stochastischen Eigenschaften moderner Pseudo-Zufallszahlengeneratoren für paralleles Rechnen

Pseudo-Zufallszahlengeneratoren (PRNGs) werden in der modernen Informatik weit verbreitet eingesetzt und sollen hervorragende statistische Leistungen und Reproduzierbarkeit aufweisen. Diese Studie bewertet und vergleicht moderne PRNGs, die im Hochleistungsrechnen und in der künstlichen Intelligenz eingesetzt werden. Unsere Auswahl stammt aus verschiedenen Familien, darunter Xoshiro, Philox, PCG und MRG32k3a. Wir bewerten systematisch die Qualität dieser Generatoren; anstatt einen einzelnen Stream für jeden Generator zu testen, testen wir mehr als 10^3 Streams mit der BigCrush-Batterie aus der TestU01-Bibliothek. Die Ergebnisse, die mehr als 4,5 Jahre kumulierte Rechenzeit umfassen, werden im Hinblick auf die Ansprüche der Schöpfer der Generatoren analysiert. Die höchste Erfolgsquote beträgt 72%, und fast alle Generatoren sind in den Tests gescheitert, die gescheiterten Tests sind dokumentiert. Um Fairness zu gewährleisten, werden alle Tests unter konsistenten Bedingungen durchgeführt und so gestaltet, dass sie die reale Nutzung genau simulieren. Die Ergebnisse jeder Prüfung sind verfügbar, nutzbar und reproduzierbar über ein Git-Repository.