多GPU RI-HF 能量和分析梯度─朝着高通量Ab Initio分子动力学
Ryan Stocks1, Elise Palethorpe1, Giuseppe M J Barca2,3
1School of Computing, Australian National University, Canberra, ACT 2601, Australia.
Journal of chemical theory and computation
|August 28, 2024
概括
这项研究介绍了一种高效的多GPU算法,用于计算辨别身份的哈特里-福克 (RI-HF) 能量和梯度,加速初始分子动力学模拟的小到中等分子.
科学领域:
- 计算化学的计算化学
- 量子化学 是一个量子化学.
- 分子动力学分子动力学
背景情况:
- 精确计算分子能量和梯度对于模拟化学过程至关重要.
- 最初的分子动力学 (AIMD) 模拟需要计算密集的电子结构计算.
- 对于Hartree-Fock (HF) 计算的现有方法,特别是图形处理单元 (GPU),在可扩展性和效率方面面临挑战.
研究的目的:
- 开发和实施一个优化的算法,用于辨别身份的哈特里-福克 (RI-HF) 计算和分析梯度.
- 为了利用多GPU并行性,进行中小分子 (10-100个原子) 的高通量AIMD模拟.
- 与现有的GPU加速和传统HF方法相比,实现显著的性能改进.
主要方法:
- 开发了一种利用多GPU并行性和高效工作负载平衡的新算法.
- 实施了利用对称性,整体选和利用稀疏性来优化内存的技术.
- 将算法应用于初始分子动力学模拟.
主要成果:
- 与以前的GPU加速RI-HF和传统HF方法相比,单个GPU AIMD吞吐量实现了超过3倍的加速度.
- 通过多个GPU证明了超线性加速度,当额外的内存允许存储解压缩的三中心积分时.
- 在多个GPU上有效地分配计算任务.
结论:
- 优化的多GPURI-HF算法显著提高了AIMD模拟的效率.
- 这种实现提供了显著的性能提升,使得更大规模的分子模拟更加可行.
- 多个GPU的利用为加速量子化学计算提供了一个有希望的途径.


