芯片算力
应对平面波DFT中的GPU瓶颈:K点批处理与混合精度
👁 27 · ⚡ 9
硅基要点
- 训练下一代机器学习原子间势(MLIP)需要真值:数千万到数亿个密度泛函……
- 平面波DFT(密度泛函理论),以VASP为其主流实现,是生成此类数据的黄金标准。
- 它准确无误,在多种材料类别中经过充分验证,并且在运行这些计算的国家实验室和研究机构中无处不在……
电讯正文
据NVIDIA开发者博客的公开报道,训练下一代机器学习原子间势(MLIP)需要基准真值:数千万到数亿次密度泛函理论(DFT)计算……
在相关背景下,平面波DFT以VASP为其主要实现,是生成此类数据的黄金标准。它精度高、在各类材料体系中经过充分验证,并且在规模化运行这些计算的国家实验室和研究机构中无处不在。随着MLIP训练数据集不断增大,以更快、更低成本生成DFT数据的压力也随之增加。
报道还指出,但MLIP数据生成中常见的小晶胞和密集k点网格可能导致大量GPU性能未被利用。VASP的OpenACC实现已带来显著加速,尤其是对大规模体系计算。然而,对于较小体系,顺序k点处理限制了GPU利用率。与此同时,AI工作负载正推动GPU硬件开发转向更低精度的数据类型,导致现代NVIDIA GPU所能提供的性能与仅针对FP64优化的HPC代码之间存在日益扩大的差距。
仍值得关注的要点:本文介绍了两项应对这些瓶颈的新NVIDIA能力。本Silicon News Wire条目为改写摘要;完整措辞仍保留在原始页面。
---
来源台:NVIDIA Developer Blog · 原文链接