論文の概要: Quantum-based Molecular Dynamics Simulations Using Tensor Cores
- arxiv url: http://arxiv.org/abs/2107.02737v2
- Date: Fri, 10 Sep 2021 23:01:50 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-23 06:30:33.215703
- Title: Quantum-based Molecular Dynamics Simulations Using Tensor Cores
- Title（参考訳）: テンソルコアを用いた量子分子動力学シミュレーション
- Authors: Joshua Finkelstein, Justin S. Smith, Susan M. Mniszewski, Kipton
Barros, Christian F. A. Negre, Emanuel H. Rubensson, Anders M. N. Niklasson
- Abstract要約: ボルン=オッペンハイマー分子動力学問題に高効率でテンソルコアが適用可能であることを示す。
原子間力は、一般化されたディープニューラルネットワークから得られる電子構造からオンザフライで計算される。
正規アンサンブルシミュレーションスキームも提示され、計算された力の付加的な数値ノイズをランゲヴィン様の力学に吸収する。
- 参考スコア（独自算出の注目度）: 2.3551989288556774
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Tensor cores, along with tensor processing units, represent a new form of
hardware acceleration specifically designed for deep neural network
calculations in artificial intelligence applications. Tensor cores provide
extraordinary computational speed and energy efficiency, but with the caveat
that they were designed for tensor contractions (matrix-matrix multiplications)
using only low-precision floating point operations. In spite of this, we
demonstrate how tensor cores can be applied with high efficiency to the
challenging and numerically sensitive problem of quantum-based Born-Oppenheimer
molecular dynamics, which requires highly accurate electronic structure
optimizations and conservative force evaluations. The interatomic forces are
calculated on-the-fly from an electronic structure that is obtained from a
generalized deep neural network, where the computational structure naturally
takes advantage of the exceptional processing power of the tensor cores and
allows for high performance in excess of 100 Tflops on the tensor cores of a
single Nvidia A100 GPU. Stable molecular dynamics trajectories are generated
using the framework of extended Lagrangian Born-Oppenheimer molecular dynamics,
which combines computational efficiency with long-term stability, even when
using approximate charge relaxations and force evaluations that are limited in
accuracy by the numerically noisy conditions caused by the low precision tensor
core floating-point operations. A canonical ensemble simulation scheme is also
presented, where the additional numerical noise in the calculated forces is
absorbed into a Langevin-like dynamics.
- Abstract（参考訳）: テンソルコアとテンソル処理ユニットは、人工知能アプリケーションにおけるディープニューラルネットワーク計算に特化したハードウェアアクセラレーションの新たな形態を表している。
テンソルコアは並外れた計算速度とエネルギー効率を提供するが、低精度浮動小数点演算のみを使用してテンソル収縮(行列行列乗算)のために設計された。
それにもかかわらず、量子ベースのボルン・オッペンハイマー分子動力学において、高精度な電子構造最適化と保守的な力評価を必要とする問題に対して、テンソルコアが高効率で適用可能であることを示す。
原子間力は、一般化されたディープニューラルネットワークから得られる電子構造からオンザフライで計算され、計算構造は、テンソルコアの例外的な処理パワーを自然に活用し、単一のNvidia A100 GPUのテンソルコア上で100Tflopsを超える高い性能を実現する。
低精度テンソルコア浮動小数点演算による数値的ノイズ条件により、近似的な電荷緩和と精度に制限された力評価を用いても、計算効率と長期安定性を組み合わせたラグランジアンボルン・オッペンハイマー分子動力学の枠組みを用いて安定な分子動力学軌道を生成する。
正規アンサンブルシミュレーションスキームも提示され、計算された力の付加的な数値ノイズをランゲヴィン様の力学に吸収する。
関連論文リスト
- Fourier Neural Operators for Learning Dynamics in Quantum Spin Systems [77.88054335119074]
ランダム量子スピン系の進化をモデル化するためにFNOを用いる。
量子波動関数全体の2n$の代わりに、コンパクトなハミルトン観測可能集合にFNOを適用する。
論文 参考訳（メタデータ） (2024-09-05T07:18:09Z) - Speed Limits for Deep Learning [67.69149326107103]
熱力学の最近の進歩は、初期重量分布から完全に訓練されたネットワークの最終分布への移動速度の制限を可能にする。
線形および線形化可能なニューラルネットワークに対して,これらの速度制限に対する解析式を提供する。
NTKスペクトルとラベルのスペクトル分解に関するいくつかの妥当なスケーリング仮定を考えると、学習はスケーリングの意味で最適である。
論文 参考訳（メタデータ） (2023-07-27T06:59:46Z) - Faster spectral density calculation using energy moments [77.34726150561087]
我々は、最近提案されたガウス積分変換法を、ハミルトニアン系のフーリエモーメントの観点から再構成する。
このフレームワークの主な利点の1つは、計算コストの大幅な削減を可能にすることである。
論文 参考訳（メタデータ） (2022-11-01T23:57:58Z) - Predictive Scale-Bridging Simulations through Active Learning [43.48102250786867]
我々は,局所的な微粒なシミュレーションを用いて粗大な流体力学を解析するために,能動的学習手法を用いる。
提案手法は3つの課題に対処する。連続体粗大軌道の予測,大規模計算からの粗大軌道の動的更新,ニューラルネットワークモデルの不確かさの定量化である。
論文 参考訳（メタデータ） (2022-09-20T15:58:50Z) - Quantum perturbation theory using Tensor cores and a deep neural network [0.0]
時間非依存の量子応答計算は、フローティングコアを用いて行われる。
2つのNvidia A100 GPUのコアを用いて,200Tflopsのピーク性能を実証した。
論文 参考訳（メタデータ） (2022-03-17T21:24:10Z) - Efficient quantum computation of molecular forces and other energy
gradients [0.4696310509745634]
本稿では,分子エネルギーの導関数を計算するための新しい量子アルゴリズムを提案する。
その結果, 単一核上の力の計算は, 化学系のエネルギーを推定するのと同じようなコストがかかる可能性が示唆された。
論文 参考訳（メタデータ） (2021-11-24T11:37:13Z) - Quantum-Classical Hybrid Algorithm for the Simulation of All-Electron
Correlation [58.720142291102135]
本稿では、分子の全電子エネルギーと古典的コンピュータ上の特性を計算できる新しいハイブリッド古典的アルゴリズムを提案する。
本稿では,現在利用可能な量子コンピュータ上で,化学的に関連性のある結果と精度を実現する量子古典ハイブリッドアルゴリズムの能力を実証する。
論文 参考訳（メタデータ） (2021-06-22T18:00:00Z) - Solving the electronic Schr\"odinger equation for multiple nuclear
geometries with weight-sharing deep neural networks [4.1201966507589995]
本稿では,異なる分子ジオメトリに対するニューラルネットワークモデル最適化において,重み共有制約を導入する。
この手法は、同じ分子の核ジオメトリの集合を等級で考えることで最適化を加速することができる。
論文 参考訳（メタデータ） (2021-05-18T08:23:09Z) - ForceNet: A Graph Neural Network for Large-Scale Quantum Calculations [86.41674945012369]
スケーラブルで表現力のあるグラフニューラルネットワークモデルであるForceNetを開発し、原子力を近似します。
提案したForceNetは、最先端の物理ベースのGNNよりも正確に原子力を予測することができる。
論文 参考訳（メタデータ） (2021-03-02T03:09:06Z) - Microcanonical and finite temperature ab initio molecular dynamics
simulations on quantum computers [0.0]
Ab initio molecular dynamics (AIMD) は、分子および凝縮物質系の特性を予測する強力なツールである。
エネルギーと力の期待値の測定に関連する統計的ノイズを緩和するための解決策を提供する。
また, 常温, 常温, 動的シミュレーションのためのLangevin dynamicsアルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-08-18T20:24:27Z) - Variational Monte Carlo calculations of $\mathbf{A\leq 4}$ nuclei with
an artificial neural-network correlator ansatz [62.997667081978825]
光核の基底状態波動関数をモデル化するためのニューラルネットワーク量子状態アンサッツを導入する。
我々は、Aleq 4$核の結合エネルギーと点核密度を、上位のピオンレス実効場理論から生じるものとして計算する。
論文 参考訳（メタデータ） (2020-07-28T14:52:28Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。