**Página principal** Últimas noticias y reportajes

Noticias**

NVIDIA presenta a “Daviator” para superar los cuellos de botella en los GPU en el cálculo de la teoría de la función de densidad de onda plana (DFT)

“Daviator” y la capa de ejecución de precisión mixta de NVIDIA tienen como objetivo optimizar el rendimiento de los GPU en el cálculo de la DFT de onda plana, logrando hasta un aumento de velocidad de 22 veces y una reducción del costo del 75%.

NVIDIA Introduces Daviator to Address GPU Bottlenecks in Plane-Wave DFT

En este artículo***

NVIDIA ha presentado dos nuevas funcionalidades diseñadas para resolver los problemas de rendimiento de los GPU en el cálculo de la teoría de la función de densidad de onda plana (DFT), un método computacional ampliamente utilizado en ciencia de materiales y química. Estas innovaciones, denominadas “Daviator” y capa de ejecución de precisión mixta, buscan mejorar significativamente la eficiencia de los cálculos DFT, especialmente para sistemas pequeños con mallas de puntos k densas. Estos avances prometen acelerar el entrenamiento de los potenciales interatómicos en el aprendizaje automático (MLIP), que requiere decenas o cientos de millones de cálculos DFT.

Abordando los desafíos de la utilización de los GPU***

Los cálculos DFT de onda plana, que suelen realizarse con el paquete de simulación ab initio Vienna Ab initio Simulation Package (VASP), son computacionalmente intensivos y requieren alta precisión. Sin embargo, las pequeñas celdas unitarias y las mallas de puntos k densas comúnmente utilizadas en la generación de datos MLIP pueden hacer que los recursos del GPU no se utilicen de manera óptima. La implementación OpenACC de NVIDIA para VASP ya ha logrado aumentos de velocidad en sistemas grandes, pero el procesamiento secuencial de puntos k limita el rendimiento del GPU en sistemas más pequeños.Además, la dominancia de las operaciones de doble precisión (FP64) en los códigos tradicionales de DFT (Discrete Fourier Transform) ha generado una incompatibilidad con las modernas GPUs de NVIDIA, que están cada vez más optimizadas para tipos de datos de menor precisión, como FP32. Daviator introduce una biblioteca de kernels para GPU que reemplaza el procesamiento secuencial de puntos k por operaciones por lotes. El elemento central de esta innovación es un solucionador de propiedades de Davidson por lotes, que reduce el número de ejecuciones de kernels de GPU y maximiza el uso de los multiprocesadores de flujo (SM). Los datos permanecen en la memoria de la GPU durante todo el proceso, minimizando la latencia. Daviator se integra sin problemas con VASP, sin necesidad de modificar los archivos de entrada existentes. Los usuarios pueden activarlo estableciendo el parámetro “LDAVIATOR=True” en el archivo INCAR. Las pruebas iniciales demuestran mejoras significativas en el rendimiento: por ejemplo, un sistema de hierro con un solo átomo alcanzó una velocidad superior en un 200% en comparación con la ejecución en CPU, mientras que las funciones de mayor precisión, como meta-GGA, redujeron el tiempo de solución en hasta un 2200%. Para sistemas de tamaño medio, como una estructura de GaAs dopada con 64 átomos, los tiempos de ejecución se redujeron en más del 85%. La segunda capacidad introducida por NVIDIA es una capa de ejecución de precisión mixta, que aprovecha el mayor rendimiento de FP32 disponible en las GPUs modernas. Al utilizar selectivamente FP32 para la mayoría de los pasos computacionales y mantener FP64 para las operaciones críticas que requieren alta precisión, este enfoque cierra la brecha entre los códigos HPC tradicionales y el hardware optimizado para IA.Esto es particularmente beneficioso para las GPU de clase de inferencia, como la RTX PRO 6000, que cuenta con una relación de rendimiento de 64:1 entre FP32 y FP64. Estos avances no solo reducen los costos computacionales, sino que también permiten a los investigadores realizar cálculos DFT de mayor precisión a gran escala. Actualmente, Daviator está limitado a la ejecución en un único nodo; sin embargo, se espera que en futuras versiones se incluya soporte para múltiples nodos, así como funciones adicionales, como la compatibilidad con sistemas de espín no colineales. En general, las innovaciones de NVIDIA representan un paso importante hacia la optimización del rendimiento de las GPU para aplicaciones en química computacional y ciencia de materiales. Explora las empresas y compara a sus competidores. NVIDIA (NVDA) Comparación de acciones de IA Comparación de acciones de semiconductores Comparación de acciones de tecnología de gran capitalización

    nvidia Optimización de GPU Teoría funcional de densidad Daviator Precisión mixta
Inicie sesión para guardar este artículo. Cuenta gratuita: cree su colección de investigación y vuelva a leerla en cualquier momento.