magnum.np:基于PyTorch的GPU增强的有限差微磁仿真框架,用于高级开发和反向设计

科学领域:

• 计算物理学的计算物理.
• 材料科学是一种材料科学.
• 软件工程 软件工程 软件工程

背景情况:

• 微磁模拟对于理解磁性材料至关重要.
• 现有的代码可能很复杂,并且缺乏灵活性来开发新的算法.
• PyTorch提供了强大的张量计算和自动差异化功能.

研究的目的:

• 为了介绍magnum.np,一个新的微磁有限差异库.
• 为了利用PyTorch提高维护能力,可扩展性和性能.
• 为了实现高效的模拟,并促进新的建模方法和反向问题的调查.

主要方法:

• 使用PyTorch开发了magnum.np作为一个微磁有限差异库.
• 利用PyTorch的张量运算和自动分化 (自动升级).
• 与 mumax3.3 等最先进的代码进行基准性能比较.

主要成果:

• 与 mumax3.np 相比,magnum.np 显示出具有竞争力的性能.
• 该库允许在GPU和潜在的TPU上高效执行.
• PyTorch的自动升级功能可以处理反向问题.

结论:

• Magnum.np为微磁模拟提供了一个灵活和高效的平台.
• 基于PyTorch的方法加快了新功能的实施.
• 这个图书馆为微磁学和反向问题分析的研究开辟了新的途径.