在基于混合CPU-GPU架构上的大规模并行张量网络状态算法
Andor Menczer1,2, Örs Legeza1,3
1Strongly Correlated Systems "Lendület" Research Group, Wigner Research Centre for Physics, H-1525 Budapest, Hungary.
Journal of chemical theory and computation
|February 4, 2025
概括
这项研究增强了用于高性能计算 (HPC) 的张量网络状态 (TNS) 算法,从而实现更大的量子模拟. 新的方法推动了对强烈相关的分子的计算界限.
科学领域:
- 计算物理 计算物理
- 量子化学 是一个量子化学.
- 高性能计算 高性能计算
背景情况:
- 张量网络状态 (TNS) 对于模拟量子系统至关重要.
- 弥合量子和经典模拟需要先进的算法.
- 高性能计算 (HPC) 对于解决大型量子问题至关重要.
研究的目的:
- 为TNS算法开发新的算法解决方案.
- 在HPC基础设施上扩展TNS算法的功能.
- 利用最先进的硬件和软件进行量子模拟.
主要方法:
- 大规模并行 TNS 算法.
- 实施新的算法解决方案.
- 大规模密度矩阵重规范化组 (DMRG) 模拟.
- 使用多GPU的NVIDIA A100系统.使用多GPU的NVIDIA A100系统.
主要成果:
- 在HPC上证明了TNS算法限制的扩展.
- 实现了对强烈相关的分子系统的基准结果.
- 成功地解决了直至4.17 × 10^35.35的希尔伯特空间维度.
- 在先进的硬件上验证了性能.
结论:
- 新型算法显著提升了HPC上的TNS能力.
- 开发的方法可以进行前所未有的规模的模拟.
- 这项工作为未来复杂分子系统的量子模拟提供了途径.


