迈向高效高产的量子蒙特卡洛模拟新时代
分布式、并行与集群计算
2017-08-10 v1
摘要
QMCPACK 十余年来一直支持着超级计算机上的前沿材料研究。它几乎可以完美扩展，但由于使用基于物理抽象的数组结构体对象，导致向量化效率低下，其单节点效率较低。我们提出了一种系统的方法，以可移植且可维护的方式改造 QMCPACK，使其更好地利用现代 CPU 的新硬件特性。我们开发了用于快速原型设计和优化的 miniapp。我们实现了结构体数组数据布局的新容器，以促进编译器的向量化。通过使用向量化例程即时计算数据并扩大单精度计算的使用，获得了进一步的加速和更小的内存占用。所有这些都被无缝集成到生产版 QMCPACK 中。我们在最新的 Intel 处理器和 IBM Blue Gene/Q 上针对代表性工作负载展示了高达 4.5 倍的加速。能耗显著降低，降幅与加速比相当。内存占用最多减少了 3.8 倍，为未来解决更大规模的问题提供了可能。
引用
@article{arxiv.1708.02645,
title = {Embracing a new era of highly efficient and productive quantum Monte Carlo simulations},
author = {Amrita Mathuriya and Ye Luo and Raymond C. Clay and Anouar Benali and Luke Shulenburger and Jeongnim Kim},
journal= {arXiv preprint arXiv:1708.02645},
year = {2017}
}
备注
12 pages, 10 figures, 2 tables, to be published at SC17