将第一性原理精度的分子动力学模拟规模扩展至百亿原子

高性能计算，结合由第一性原理方法生成的数据训练的神经网络模型，极大推动了现代超级计算机上第一性原理分子动力学在空间和时间尺度上的应用。此前最先进的方法可在整个Summit超级计算机上实现每天对1亿个原子进行$1-2$纳秒的分子动力学模拟。在本文中，我们通过算法与系统协同创新的综合方法显著降低了内存占用和计算时间。神经网络模型通过模型表格化、核融合和冗余消除进行了压缩。随后在GPU和ARM架构上实现了定制核加速、激活函数表格化、MPI+OpenMP并行化等优化。铜系统的测试结果表明，优化后的代码可扩展至Fugaku和Summit整机的规模，相应系统规模可提升$134$倍，达到前所未有的$170$亿个原子。对$1350$万原子铜系统的强标度测试显示，求解时间可加快7倍，达到每天$11.2$纳秒。该工作为前所未有的大规模第一性原理精度分子动力学模拟打开了大门，并有望用于研究更现实的应用，如金属力学性能、半导体器件、电池等。本文详述的优化技术也为相关高性能计算应用提供了见解。