基于 GPU 的准粒子自洽 GW 方法的高效实现
计算与语言
2025-12-23 v1
摘要
我们开发了 QSGW(准粒子自洽 GW)方法的多 GPU 版本，这是一种先进的、从头算起描述电子激发的前沿方法。尽管 QSGW 计算算法本身天然适合 GPU 计算，因为其依赖大规模张量运算，但实现可维护且可扩展性并非易事。为此，我们在 \texttt{ecalj} 软件包中开发了 GPU 版本，采用现代 Fortran 中的模块化编程风格。这一设计促进了未来的开发和代码可持续性。我们在 QSGW 形式化概述后，呈现了 GPU 实现方法，并对两种类型系统的基准计算结果，以展示 GPU 支持的 QSGW 计算的能力。
引用
@article{arxiv.2506.03476,
title = {Delta-KNN: Improving Demonstration Selection in In-Context Learning for Alzheimer's Disease Detection},
author = {Chuyuan Li and Raymond Li and Thalia S. Field and Giuseppe Carenini},
journal= {arXiv preprint arXiv:2506.03476},
year = {2025}
}