Implementation of the multigrid Gaussian-Plane-Wave algorithm with GPU acceleration in PySCF
California Institute of Technology(加州理工学院);Bytedance Seed(字节跳动Seed)
该研究提出一种基于GPU的多网格高斯平面波密度拟合方法,用于Kohn-Sham密度泛函理论中的Fock构建和核梯度计算,展示了在H100 GPU上达到25倍速度提升的性能。
2026-03-25 cond-mat.mtrl-sci physics.chem-ph physics.comp-ph
Sailfish: a flexible multi-GPU implementation of the lattice Boltzmann method
我们提出了Sailfish,一个开源的流体模拟软件包,使用CUDA/OpenCL在现代图形处理器(GPU)上实现了格子玻尔兹曼方法(LBM)。我们采用一种新颖的方法来实现GPU代码,并使用运行时代码生成技术和高级编程语言(Python)来实现最先进的性能,同时允许轻松地对不同的LBM模型进行实验并针对各种类型的硬件进行调整。我们讨论了代码的一般设计原则,在分布式环境中扩展到多个GPU,以及许多不同LBM模型的GPU实现和优化,包括单组件(BGK,MRT,ELBM)和多组件(Shan-Chen,自由能)。本文还介绍了过去三代NVIDIA GPU(Tesla,Fermi,Kepler)的性能基准测试结果,我们希望这些结果对使用此类硬件和类似代码的研究人员有用。
2013-11-11 physics.comp-ph physics.flu-dyn
GPU implementation of the Rosenbluth generation method for static Monte Carlo simulations
我们提出了并行版本的Rosenbluth自避免行走生成方法的图形处理单元(GPU)上使用CUDA库实现。该方法的规模几乎与CUDA核心的数量呈线性关系,方法的效率只有硬件的限制。该方法介绍了两种实现:在一个立方晶格和在真正的空间。我们发现一个很好的协议之间的串行和并行实现和一致的结果之间的晶格和真正的空间实现的线性链统计方法。所开发的Rosenbluth算法的GPU实现可用于蒙特卡罗模拟和其他需要大样本分子构象的计算方法。
2017-04-14 cond-mat.soft physics.comp-ph
An Efficient Cell List Implementation for Monte Carlo Simulation on GPUs
最大化现代GPU架构的性能潜力需要明智地利用可用的并行资源。虽然通过简单的映射通常可以获得显著的减少,但进一步的性能改进通常需要重新设计算法,以更紧密地利用目标体系结构。在本文中,我们专注于高效的分子模拟的GPU,并提出了一种新的细胞列表算法,更好地利用其并行资源。我们的目标是一个有效的GPU实现的大规模蒙特卡罗模拟的巨正则系综。这是一个特别具有挑战性的应用,因为与分子动力学的类似应用相比,计算和并行性本质上更少。与先前研究人员的结果一致,我们的模拟结果显示,用于分子系统的Monte Carlo模拟的传统单元列表实现对于小型系统[5,14]没有有效地提供性能改进,即使在移植到GPU时也是如此。然而,对于更大的系统,小区列表实现提供了显着的性能增益。此外,我们的新的单元格列表的方法,结果在所有的问题大小更好的性能相比,与其他GPU实现或没有单元格列表。
2014-08-16 cs.DC physics.comp-ph
A GPU implementation of the Discontinuous Galerkin method for simulation of diffusion in brain tissue
在这项工作中,我们开发了一种方法来近似的协方差阵与脑组织内的水扩散的模拟。计算基于扩散方程的间断Galerkin方法的实现,符合物理现象。在CUDA语言中使用GPU并行实现。数值结果在二维问题。
2019-07-14 cs.NA math.NA physics.comp-ph
Bit-Vectorized GPU Implementation of a Stochastic Cellular Automaton Model for Surface Growth
随机表面增长模型有助于研究普适类的性质,如Kardar-Paris-Zhang类。从大规模计算研究中获得的高精度结果可以转移到许多物理系统中。许多性质,如粗糙化和一些二次函数可以使用随机元胞自动机(SCA)变体的随机模型进行研究。在这里,我们提出了一个高效的SCA实现的表面生长模型,能够模拟一个GPU上的数十亿个网格网站。我们还提供了洞察情况下,需要任意的随机概率是不可访问的,通过位向量化。
2016-06-01 cond-mat.mtrl-sci cond-mat.stat-mech cs.DC
GPU acceleration of many-body perturbation theory methods in MOLGW with OpenACC
本文使用OpenACC对基于高斯基组的分子多体微扰理论程序MOLGW进行GPU加速,使准粒子自洽MBPT方法可扩展至大体系,并相对32个OpenMP线程实现最高9.7倍加速。
2023-12-04 cond-mat.mtrl-sci physics.chem-ph physics.comp-ph
A Streaming Multi-GPU Implementation of Image Simulation Algorithms for Scanning Transmission Electron Microscopy
在扫描透射电子显微镜中模拟原子分辨率图像形成可能需要使用传统方法的显著计算时间。最近开发的一种方法,称为平面波倒易空间插值散射矩阵(PRISM),表现出潜在的显着加速这种模拟的精度可以忽略不计的损失。在这里,我们提出了一个软件包,称为棱镜扫描透射电子显微镜(STEM)使用棱镜和多层方法的图像形成的并行模拟。通过在多个支持CUDA的GPU和多核处理器之间分配工作负载,相对于使用单个4-GPU机器的传统多片实现,PRISM的加速高达1000倍,多片加速高达30倍。我们展示了一个潜在的重要应用棱镜,使用它来计算图像的原子电子断层扫描在足够的速度,包括在重建管道。Prismatic可以作为一个带有图形用户界面的开源CUDA/C++包和一个Python包PyPrismatic免费提供。
2017-07-05 physics.comp-ph
Multi-GPU implementation of a time-explicit finite volume solver for the Shallow-Water Equations using CUDA and a CUDA-Aware version of OpenMPI
本文介绍了一个多GPU版本的时间显式有限体积求解器的浅水方程(SWE)上的多GPU架构的发展。MPI与CUDA-Fortran相结合,以便根据需要使用尽可能多的GPU。利用METIS库对感兴趣的二维非结构化三角形网格进行区域分解。采用CUDA-Aware OpenMPI版本来加速MPI进程之间的消息。加速和效率的研究进行,首先,一个经典的溃坝流在运河,然后为两个真正的域与复杂的水深测量:Mille Escherles河和蒙特利尔群岛。在这两种情况下,使用了多达1300万个单元的网格。在这些网格上使用24到28个GPU,效率可达80%以上。最后,将多GPU版本与纯MPI多CPU版本进行了比较,得出的结论是,在这种特定情况下,大约需要100个CPU核心才能实现与一个GPU相同的性能。
2020-10-27 physics.comp-ph
Smoothed-Particle Hydrodynamics Models: Implementation Features on GPUs
采用GPU-Direct技术,研究了自引力气体动力学模型在多个GPU上的并行实现特点。详细介绍了基于OpenMP-CUDA混合并行编程模型求解自引力气体动力学问题的并行算法。气动力用改进的SPH方法(光滑粒子流体动力学)计算,N体问题引力相互作用用直接方法(粒子-粒子算法)计算。SPH方法性能的关键因素是创建参与气体动力计算的粒子的邻居列表。我们的实现是基于分层网格排序方法使用级联算法的并行计算部分和CUDA块。在银河系气晕碰撞模型的框架下,采用SPH方法研究了该算法在Nvidia Tesla系列(K20,K40,K80)不同GPU上的并行效率。
2018-07-21 astro-ph.GA physics.comp-ph
Parallel GPU Implementation of Iterative PCA Algorithms
主成分分析(PCA)是多元数据分析的一种关键统计技术。对于大数据集的PCA计算的常见方法是基于标准的NIPALS-PCA算法,不幸的是,遭受损失的正交性,因此其适用性通常是有限的估计的前几个组件。本文提出了一种基于Gram-Schmidt正交化的算法(GS-PCA),克服了NIPALS-PCA的这一缺点。此外,我们还讨论了NIPALS-PCA和GS-PCA算法的GPU(图形处理单元)并行实现。数值结果表明,基于CUBLAS(NVIDIA)的GPU并行优化版本比基于CBLAS(GNU Scientific Library)的CPU优化版本快得多(高达12倍)。
2008-11-07 cs.MS physics.comp-ph q-bio.QM
Analysis of tensor-product discontinous Galerkin operators for Vlasov-Poisson simulations and GPU implementation on Python
间断Galerkin(DG)有限元法是一种保守的、易于并行化的有限元方法,由于其与积分理论和正交多项式理论的密切联系,具有较高的精度。当与正交离散化(\textit{i.e.},直线网格)一起应用时,DG方法可以在GPU上仅用几行高级语言(诸如Python)有效地实现。这项工作演示了这样的实现,通过编写DG半离散方程的张量积形式,然后使用开源GPU库计算产品。通过模拟等离子体物理中的一个问题,即磁化Vlasov-Poisson系统的不稳定性,说明了结果。此外,由于DG通过其正交基与谱方法密切相关,因此可以计算到全局特征函数的替代集合的变换以用于分析或执行附加操作。这种变换也被设定为张量积,并且可以是GPU加速的。在这项工作中,傅立叶级数计算例如(虽然这并不击败离散傅立叶变换),并用于解决泊松部分的弗拉索夫-泊松系统的$\mathcal{O}(Δx^{n+1/2})$ -精度。
2022-02-28 physics.comp-ph
A Python-based flow solver for numerical simulations using an immersed boundary method on single GPUs
该研究提出基于Python和CUDA的单GPU浸没边界法流动求解器,通过优化GPU网格架构和内存管理避免通信瓶颈,其峰值性能比96-128核CPU求解器快34-54倍,且在仿生空气动力学和心血管流动应用中表现出强缩放性。
2024-12-03 physics.comp-ph physics.flu-dyn
An OpenCL implementation for the solution of TDSE on GPU and CPU architectures
开放计算语言(OpenCL)是一种并行处理语言,非常适合在图形处理单元(GPU)上运行并行算法。在目前的工作中,我们报告的开发一个通用的并行单GPU代码的数值解系统的一阶常微分方程(ODE)的基础上的OpenCL模型。我们已经将该代码应用于强激光场中氢原子的时变薛定谔方程的情况下,并研究了其在NVIDIA和AMD GPU上的性能与在CPU上的串行性能。我们发现GPU具有出色的可扩展性和显著的CPU设备加速,其值接近40,预计将对多核CPU产生显著的加速。
2012-01-31 physics.atom-ph physics.comp-ph quant-ph
Extending GPU-Accelerated Gaussian Integrals in the TeraChem Software Package to f Type Orbitals: Implementation and Applications
本研究在TeraChem中实现f型轨道GPU加速高斯积分,通过DFT和CCSD验证效率,适用于大体系含过渡金属及有机分子模拟。
2024-10-13 physics.chem-ph physics.comp-ph
jaxFMM: An Adaptive, GPU-Parallel Implementation of the Fast Multipole Method in JAX
University of Vienna(维也纳大学)
jaxFMM基于非均匀细化策略实现快速多极方法,适用于拉普拉斯核,能高效处理非均匀电荷分布,提升微磁学中杂散场计算效率,并支持未来逆设计和机器学习应用。
2026-07-16 physics.comp-ph
libEMM: A fictious wave domain 3D CSEM modelling library bridging sequential and parallel GPU implementation
本研究推出libEMM虚构波域三维CSEM建模软件,支持基于MPI的多处理器并行、OpenMP共享内存加速及CUDA GPU实现,可交叉验证,未来可用于陆海环境三维CSEM反演。
2023-04-01 physics.comp-ph physics.geo-ph
TorchAmi: Generalized CPU/GPU Implementation of Algorithmic Matsubara Integration
本文提出 TorchAmi,一种基于 PyTorch 的算法化松原积分通用 CPU/GPU 实现,通过新算法改进费曼被积函数的符号表示,并附带图结构导入工具,用于高效解析费曼微扰展开中的嵌套松原积分。
2023-11-28 cond-mat.other hep-ph physics.comp-ph
Coulomb and Landau Gauge Fixing in GPUs using CUDA and MILC
在这项工作中,我们提出的GPU实现的超松弛和最速下降法与傅立叶加速方法的劳道和库仑规范固定使用CUDA SU(N)的N>2。本文还利用MPI和CUDA实现了超松弛算法的多GPU实现。GPU性能在BlueWaters上进行了测量,并与CPU MILC代码的规范固定进行了比较。
2015-04-03 hep-lat physics.comp-ph
Semi-Lagrangian Vlasov simulation on GPUs
在本文中,我们的目标是在GPU上高效地求解Vlasov方程。半拉格朗日间断Galerkin格式用于离散。这种动力学计算是非常昂贵的,由于高维相空间。SLDG代码在MIT许可证下公开提供,它抽象了维度的数量,并使用共享的代码库进行基于GPU和CPU的模拟。我们研究了在Tesla(V100,Titan V,K80)和消费者(GTX 1080 Ti)GPU上实现的性能。我们的实现通常能够在单个GPU上实现约470 GB/s的性能,在通过NVLink连接的四个V100 GPU上实现1600 GB/s的性能。这将导致大约10倍的加速(将单个GPU与双插槽Intel Xeon Gold节点进行比较)和大约35倍的加速(将单个节点与GPU进行比较)。此外,我们研究了单精度计算对SLDG代码性能的影响,并证明了基于模板的维度独立实现可以实现良好的性能,无论问题的维度如何。
2020-03-17 cs.MS physics.comp-ph
Performance of FORTRAN and C GPU Extensions for a Benchmark Suite of Fourier Pseudospectral Algorithms
报告了PGI OpenACC、FORTRAN CUDA和Nvidia CUDA伪谱方法在单个GPU上的比较以及GCC FORTRAN在单个和多个CPU内核上的比较。GPU实现使用CuFFT,CPU实现使用FFTW。移植预先存在的FORTRAN代码以利用GPU是高效的,并且易于使用OpenACC和CUDA FORTRAN实现。提供了示例程序。
2012-08-12 cs.MS physics.comp-ph
Vectorized Symmetric and Fermionic Tensor Network Implementations for GPU-Accelerated Variational Monte Carlo
California Institute of Technology(加州理工学院)
该研究针对现有TN-VMC算法无法充分利用GPU加速的问题,开发适配GPU的向量化对称张量网络实现,在二维费米-哈伯德模型中实现费米子TN变分波函数最高300倍的GPU加速。
2026-08-31 cond-mat.str-el physics.comp-ph quant-ph
Highly optimized simulations on single- and multi-GPU systems of 3D Ising spin glass
我们提出了一个高度优化的实现的Monte Carlo(MC)模拟器的三维伊辛自旋玻璃模型与双峰无序,即,在支持CUDA的GPU上运行的3D Edwards-Anderson模型。多GPU系统通过消息传递接口(MPI)交换数据。所选择的MC动力学是经典的大都会,这是纯粹的耗散,因为目的是研究系统的临界非平衡松弛。我们专注于以下问题:i)在立方体模板中实现最近邻居的有效访问模式,以及滞后Fibonacci类伪随机数生成器(PRNG); ii)异步多自旋编码Metropolis MC步骤的新实现,允许存储每比特一个自旋; iii)基于MPI和CUDA流组合的多GPU版本。我们强调如何立方stenetrance和PRNG是非常普遍的兴趣,因为它们在许多模拟代码中的广泛使用的两个主题。我们的代码在GTX Titan上的最佳性能分别为~3和~5 psFlip,分别使用我们的MINSTD和MT 19937实现。
2014-11-01 cond-mat.dis-nn physics.comp-ph
The density matrix renormalization group algorithm on kilo-processor architectures: implementation and trade-offs
在强关联量子晶格模型的数值分析中,为了平衡有效希尔伯特空间的大小和模拟的准确性而开发的主要算法之一是密度矩阵重整化群(DMRG)算法,其中运行时间由Hamilton算子的迭代对角化控制。由于对角化的最占时间优势的步骤可以表示为一系列密集矩阵运算,因此DMRG是充分利用新型千处理器架构中的计算能力的有吸引力的候选者。本文提出了一种智能的CPU-GPU混合实现,它充分利用了CPU和GPU的能力,并容忍超过GPU内存大小的问题。此外,一个新的CUDA内核已被设计用于非对称矩阵向量乘法,以加速其余的对角化。除了GPU实现的评价,FPGA实现的实际限制也进行了讨论。
2013-09-22 cond-mat.str-el physics.comp-ph
An efficient mixed-precision, hybrid CPU-GPU implementation of a fully implicit particle-in-cell algorithm
最近,一种全隐式的、能量和电荷守恒的粒子网格法被提出用于多尺度、全f动力学模拟[G. Chen等人,J. Comput. 230,18(2011)]。该方法采用无雅可比牛顿-克雷洛夫(JFNK)求解器,能够使用非常大的时间步长,而不会损失数值稳定性或精度。该方法的一个基本特征是粒子轨道计算与场求解器分离,同时保持完全自洽。本文描述了一个非常有效的,混合精度的混合CPU-GPU实现的隐式PIC算法利用这一功能。JFNK求解器以双精度(DP)保存在CPU上,而隐式、电荷保存和自适应粒子移动器则使用CUDA以单精度(SP)在GPU(图形处理单元)上实现。性能为导向的优化介绍了与援助的屋顶模型。隐式粒子移动器算法在Nvidia GeForce GTX 580上实现高达400 GOp/s。这相当于25%的绝对GPU效率与峰值理论性能相比,并且比等效的串行CPU(Intel Xeon X5460)执行速度快约300倍。对于所选的测试用例,混合精度的混合CPU-GPU求解器表现出超过DP CPU仅串行版本的\sim 100倍,在具有挑战性的长时间尺度离子声波模拟中没有明显的鲁棒性或准确性损失。
2011-11-22 physics.comp-ph physics.plasm-ph
GPU Acceleration of an Established Solar MHD Code using OpenACC
GPU加速器对许多学科的高性能计算产生了显着的影响。它们以低成本/低功耗提供高性能,因此已成为许多大型超级计算机的主要计算资源。在这里,我们使用OpenACC以完全可移植的单源方式在Solar MHD代码(MAS)中实现多GPU加速。我们的初步实施是集中在MAS运行在一个减少物理“零测试”模式。虽然它本身很有价值,但我们的主要目标是为一个完整的物理学,热力学MHD实现铺平道路。我们描述了OpenACC的实施方法和挑战。在多CPU和多GPU系统上显示了生产级磁通绳喷发模拟的“时间解决方案”性能结果。我们发现,GPU加速的MAS代码有能力在一个单一的多GPU服务器上运行“零测试”模拟的速度,以前需要多个CPU服务器节点的超级计算机。
2018-11-06 astro-ph.SR cs.DC cs.PL
Parallel implementation of the Density Matrix Renormalization Group method achieving a quarter petaFLOPS performance on a single DGX-H100 GPU node
本研究实现了自旋适配从头算DMRG方法的CPU-多GPU混合并行,在DGX-H100上达246 teraFLOPS性能,较DGX-A100提升超2.5倍、较128核CPU OpenMP版快80倍,证明张量网络结合GPU可助力解决量子化学等领域难题。
2024-07-10 cond-mat.str-el physics.chem-ph physics.comp-ph
Graphics processing units accelerated semiclassical initial value representation molecular dynamics
本文介绍了一种用于振动分子光谱计算的半经典初值表示(SC-IVR)传播子的图形处理单元(GPU)实现。时间平均制定的SC-IVR功率谱计算。提供了关于半经典代码的GPU实现的细节。考虑了原子数量不断增加的四种分子,GPU计算的振动频率与基准值完全匹配。讨论了两个GPU(NVIDIA Tesla C2075和Kepler K20)分别与两个CPU(Intel Core i5和Intel Xeon E5- 2687 W)的计算时间缩放以及与GPU实现相关的关键问题。计算时间和功耗的减少是显着的,半经典GPU计算被证明是环境友好的。
2014-05-08 physics.chem-ph physics.comp-ph quant-ph
GPU acceleration of CaNS for massively-parallel direct numerical simulations of canonical fluid flows
这项工作提出了GPU加速的开源代码CaNS非常快速的并行模拟正则流体流动。CANS中多CPU Navier-Stokes方程求解器的显著特点是基于特征函数展开法的二阶有限差分Poisson方程的快速直接求解器。求解器在一个统一的框架中实现了对这类问题有效的所有边界条件。在这里,我们使用CUDA Fortran扩展了GPU加速集群的求解器。移植广泛使用了CUF内核,并通过CUDA Fortran的统一内存功能大大简化,该功能处理主机(CPU)和设备(GPU)之间的数据迁移,而无需在源代码中定义新的数组。整体实现已根据湍流通道流的基准数据进行了验证,并在NVIDIA DGX-2系统(16 Tesla V100 32 Gb,通过NVSwitch与NVLink连接)上评估了其性能。与最先进的多CPU集群上的CPU实现相比,GPU加速实现的每个时间步长的挂钟时间非常小,只要域分区足够小,数据主要驻留在GPU上。该实现已根据MIT许可证的条款免费提供和开源。
2020-10-02 cs.CE physics.comp-ph physics.flu-dyn
GPU-Accelerated Simulations of Moving Boundary Problems and Fluid-Structure Interaction at Extreme Scales
Johns Hopkins University(约翰斯·霍普金斯大学);NVIDIA Corporation(英伟达公司)
提出基于GPU优化的尖锐界面浸入边界法,通过OpenACC、CUDA、NCCL和MPI实现,在10M至1B网格规模下相比CPU实现加速20倍,多GPU实现>90%强/弱扩展效率,并模拟了Re=5000的蝙蝠翼扑动流固耦合。
2026-06-25 cs.DC physics.comp-ph physics.flu-dyn
Many-gluon tree amplitudes on modern GPUs: A case study for novel event generators
大型强子对撞机蒙特卡罗事件发生器的计算效率预计将成为高亮度阶段模拟的主要瓶颈。针对现代GPU的一个成熟的生成器的发展,我们研究了各种递归策略的性能来计算多胶子树级振幅。我们调查的CPU和GPU硬件上的算法的缩放。最后,我们提供了实际的建议,以及未来的模拟程序的开发基线实现。GPU实现可以在https://www.gitlab.com/ebothmann/blockgen-archive上找到。
2022-01-10 hep-ex hep-ph physics.comp-ph
Architectural improvements and 28 nm FPGA implementation of the APEnet+ 3D Torus network for hybrid HPC systems
现代图形处理单元(GPU)现在被认为是通用计算的加速器。GPU和互连网络之间的紧密交互是在大型HPC集群上表达多GPU系统能力计算的全部潜力的策略;这就是为什么高效和可扩展的互连是最终为科学HPC提供GPU的关键技术的原因。在本文中,我们展示了APEnet+网络结构的最新架构和性能改进,这是一个基于FPGA的PCIe板,具有6个完全双向的板外链路,每个方向的原始带宽为34 Gbps,以及朝向主机PC的X8 Gen 2带宽。该板实现了远程直接内存访问(RDMA)协议,该协议利用Fermi和Kepler级NVIDIA GPU的对等(P2P)功能来获得真正的零拷贝、低延迟GPU到GPU传输。最后,我们报告了2013年的开发活动,重点是采用最新一代28纳米FPGA和在这个新平台上进行的初步测试。
2013-11-14 cs.AR cs.DC physics.comp-ph