論文の概要: Python-Based Quantum Chemistry Calculations with GPU Acceleration
- arxiv url: http://arxiv.org/abs/2404.09452v1
- Date: Mon, 15 Apr 2024 04:35:09 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-16 13:48:50.468942
- Title: Python-Based Quantum Chemistry Calculations with GPU Acceleration
- Title(参考訳): GPU加速によるPythonベースの量子化学計算
- Authors: Xiaojie Wu, Qiming Sun, Zhichen Pu, Tianze Zheng, Wenzhi Ma, Wen Yan, Xia Yu, Zhengxiao Wu, Mian Huo, Xiang Li, Weiluo Ren, Sheng Gong, Yumin Zhang, Weihao Gao,
- Abstract要約: GPU4PySCFは、量子化学計算のためのGPU加速Pythonパッケージである。
本稿では,このパッケージの主な特徴,イノベーション,メリットについて概説する。
- 参考スコア(独自算出の注目度): 6.4347138500286665
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: To meet the increasing demand of quantum chemistry calculations in data-driven chemical research, the collaboration between industrial stakeholders and the quantum chemistry community has led to the development of GPU4PySCF, a GPU-accelerated Python package. This open-source project is accessible via its public GitHub repository at \url{https://github.com/pyscf/gpu4pyscf}. This paper outlines the primary features, innovations, and advantages of this package. When performing Density Functional Theory (DFT) calculations on modern GPU platforms, GPU4PySCF delivers 30 times speedup over a 32-core CPU node, resulting in approximately 90% cost savings for most DFT tasks. The performance advantages and productivity improvements have been found in multiple industrial applications, such as generating potential energy surfaces, analyzing molecular properties, calculating solvation free energy, identifying chemical reactions in lithium-ion batteries, and accelerating neural-network methods. To make the package easy to extend and integrate with other Python packages, it is designed with PySCF-compatible interfaces and Pythonic implementations. This design choice enhances its coordination with the Python ecosystem.
- Abstract(参考訳): データ駆動型化学研究における量子化学計算の需要の増加に対応するため、産業利害関係者と量子化学コミュニティの協力により、GPUを加速するPythonパッケージであるGPU4PySCFが開発された。
このオープンソースプロジェクトは、GitHubの公開リポジトリである \url{https://github.com/pyscf/gpu4pyscf} からアクセスできる。
本稿では,このパッケージの主な特徴,イノベーション,メリットについて概説する。
最新のGPUプラットフォーム上で密度汎関数理論(DFT)計算を行う場合、GPU4PySCFは32コアのCPUノード上で30倍のスピードアップを実現し、ほとんどのDFTタスクで約90%のコスト削減を実現している。
性能上の利点と生産性の向上は、ポテンシャルエネルギー表面の生成、分子特性の分析、溶解自由エネルギーの計算、リチウムイオン電池の化学反応の同定、ニューラルネットワークの高速化など、複数の産業用途で見出されている。
パッケージを他のPythonパッケージと簡単に拡張および統合できるようにするため、PySCF互換インターフェースとPython実装で設計されている。
この設計選択は、Pythonエコシステムとの整合性を高めます。
関連論文リスト
- A Python GPU-accelerated solver for the Gross-Pitaevskii equation and applications to many-body cavity QED [36.136619420474766]
TorchGPEはGross-Pitaevskii方程式(GPE)を解くために開発された汎用Pythonパッケージである。
この解法は線形ポテンシャルと非線形ポテンシャルのスペクトルにわたって波動関数を統合するように設計されている。
論文 参考訳(メタデータ) (2024-04-22T17:58:34Z) - Tangelo: An Open-source Python Package for End-to-end Chemistry
Workflows on Quantum Computers [85.21205677945196]
Tangelo(タンジェロ)は、量子コンピュータ上でエンドツーエンド化学を開発するためのオープンソースのPythonソフトウェアパッケージである。
量子ハードウェアで成功した実験の設計を支援し、量子アルゴリズムの発展を促進することを目的としている。
論文 参考訳(メタデータ) (2022-06-24T17:44:00Z) - pymdp: A Python library for active inference in discrete state spaces [52.85819390191516]
pymdpはPythonでアクティブな推論をシミュレートするオープンソースパッケージである。
我々は,POMDPによるアクティブな推論をシミュレートする,最初のオープンソースパッケージを提供する。
論文 参考訳(メタデータ) (2022-01-11T12:18:44Z) - TensorLy-Quantum: Quantum Machine Learning with Tensor Methods [67.29221827422164]
PyTorch APIを採用した量子回路シミュレーションのためのPythonライブラリを作成します。
Ly-Quantumは、単一のGPU上で数百のキュービット、複数のGPU上で数千のキュービットにスケールすることができる。
論文 参考訳(メタデータ) (2021-12-19T19:26:17Z) - OMB-Py: Python Micro-Benchmarks for Evaluating Performance of MPI
Libraries on HPC Systems [1.066106854070245]
OMB-Pyは並列Pythonアプリケーションのための最初の通信ベンチマークスイートである。
OMB-Pyは様々なポイント・ツー・ポイントと集合的な通信ベンチマークテストから構成される。
逐次実行と比較して,224CPUコア上での最大106倍の高速化を報告した。
論文 参考訳(メタデータ) (2021-10-20T16:59:14Z) - Extending Python for Quantum-Classical Computing via Quantum
Just-in-Time Compilation [78.8942067357231]
Pythonは、その柔軟性、ユーザビリティ、可読性、開発者の生産性を重視することで有名な人気のあるプログラミング言語です。
量子ジャスト・イン・タイム・コンパイルのための堅牢なC++インフラストラクチャを通じて、異種量子古典計算を可能にするPythonの言語拡張を提案する。
論文 参考訳(メタデータ) (2021-05-10T21:11:21Z) - Pythonic Black-box Electronic Structure Tool (PyBEST). An open-source
Python platform for electronic structure calculations at the interface
between chemistry and physics [52.77024349608834]
Pythonic Black-box Electronic Structure Tool (PyBEST) はトルーンのニコラス・コペルニクス大学で開発された。
PyBESTは主にPython3プログラミング言語で書かれており、追加の部分はC++で書かれている。
PyBESTの大規模電子構造計算能力は、モデルビタミンB12化合物に対して実証された。
論文 参考訳(メタデータ) (2020-10-12T07:10:23Z) - DFTpy: An efficient and object-oriented platform for orbital-free DFT
simulations [55.41644538483948]
本稿では、Python 3で完全に書かれたOFDFTを実装したオープンソースソフトウェアであるDFTpyを紹介する。
本稿では,1CPUで計算したアルミニウムの100万原子系の電子構造について紹介する。
DFTpyはMITライセンスでリリースされている。
論文 参考訳(メタデータ) (2020-02-07T19:07:41Z)
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。