AI搭載GPUにおける効率的な密度汎関数計算のための前処理付き固有値ソルバーの混合精度アプローチ

科学分野:

• 計算化学
• 材料科学
• 高性能コンピューティング

背景:

• GPUは計算化学を進歩させてきました。
• AI搭載GPUは、倍精度（FP64）量子化学演算では非効率的です。
• 限られたGPUメモリは、密度汎関数理論（DFT）のアルゴリズム適応を必要とします。

研究 の 目的:

• 実空間DFTにおける反復行列対角化のための混合精度戦略を開発すること。
• GPU上での計算効率を向上させながら、数値精度を維持すること。
• より大規模な電子構造シミュレーションを可能にし、GPUの適用範囲を広げること。

主な方法:

• 行列対角化のための体系的な混合精度戦略を実装しました。
• 単精度（FP32）およびブレイン浮動小数点（BF16）演算を使用しました。
• 多様な材料システムにわたる混合精度固有値ソルバーを開発および検証しました。

主要な成果:

• FP64と比較して最大10倍の対角化高速化を達成しました。
• 実行可能なシステムサイズを約50%拡張しました。
• AI搭載GPUとHPC搭載GPUの同等の性能を実証しました。

結論:

• 混合精度戦略は、DFT計算における数値精度を維持します。
• AI搭載GPUは、大規模な電子構造シミュレーションに効果的に利用できます。
• 開発された手法は、高度な計算化学ツールへのアクセスを向上させます。