Un enfoque de precisión mixta a un Eigensolver precondicionado para cálculos funcionales eficientes de densidad en...

Área de la Ciencia:

• Química computacional es la química computacional.
• Ciencia de los materiales Ciencia de los materiales.
• Computación de alto rendimiento de alto rendimiento.

Sus antecedentes:

• Las Unidades de Procesamiento Gráfico (GPU) tienen una química computacional avanzada.
• Las GPU enfocadas en IA son ineficientes con las operaciones de química cuántica de doble precisión (FP64).
• La memoria GPU limitada requiere adaptaciones algorítmicas para la Teoría Funcional de Densidad (DFT).

Objetivo del estudio:

• Desarrollar una estrategia de precisión mixta para la diagonalización iterativa de matrices en el espacio real DFT.
• Para mantener la precisión numérica al tiempo que mejora la eficiencia computacional en las GPU.
• Para permitir simulaciones de estructura electrónica a mayor escala y ampliar la aplicabilidad de la GPU.

Principales métodos:

• Implementó una estrategia sistemática de precisión mixta para la diagonalización de matrices.
• Utilizó aritmética de una sola precisión (FP32) y de punto flotante cerebral (BF16).
• Desarrolló y validó un eigensolver de precisión mixta en diversos sistemas de materiales.

Principales resultados:

• Se logró hasta 10 veces más velocidad en la diagonalización en comparación con FP64.
• Amplió el tamaño del sistema factible en aproximadamente un 50%.
• Demostró un rendimiento comparable de las GPU enfocadas en IA a las GPU enfocadas en HPC.

Conclusiones:

• La estrategia de precisión mixta preserva la precisión numérica en los cálculos de DFT.
• Las GPU enfocadas en IA se pueden utilizar de manera efectiva para simulaciones de estructuras electrónicas a gran escala.
• El método desarrollado mejora la accesibilidad a herramientas avanzadas de química computacional.