論文の概要: GPU-accelerated Auxiliary-field quantum Monte Carlo with multi-Slater determinant trial states
- arxiv url: http://arxiv.org/abs/2406.08314v1
- Date: Wed, 12 Jun 2024 15:15:17 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-13 16:16:39.879641
- Title: GPU-accelerated Auxiliary-field quantum Monte Carlo with multi-Slater determinant trial states
- Title（参考訳）: GPU加速 Auxiliary-field quantum Monte Carlo with multi-Slater determinant trial state
- Authors: Yifei Huang, Zhen Guo, Hung Q. Pham, Dingshun Lv,
- Abstract要約: 本稿では,グラフィック処理ユニットアクセラレーション ph-AFQMC の実装と応用について述べる。
マルチスレーター試行状態を用いて、ph-AFQMCは強い相関系を忠実に扱う可能性がある。
我々の研究はMSDAFQMC計算の効率を大幅に向上させる。
- 参考スコア（独自算出の注目度）: 11.514211053741338
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The accuracy of phaseless auxiliary-field quantum Monte Carlo (ph-AFQMC) can be systematically improved with better trial states. Using multi-Slater determinant trial states, ph-AFQMC has the potential to faithfully treat strongly correlated systems, while balancing the static and dynamical correlations on an equal footing. This preprint presents an implementation and application of graphics processing unit-accelerated ph-AFQMC, for multi-Slater determinant trial wavefunctions (GPU-accelerated MSD-AFQMC), to enable efficient simulation of large-scale, strongly correlated systems. This approach allows for nearly-exact computation of ground state energies in multi-reference systems. Our GPU-accelerated MSD-AFQMC is implemented in the open-source code \texttt{ipie}, a Python-based AFQMC package [\textit{J. Chem. Theory Comput.}, 2022, 19(1): 109-121]. We benchmark the performance of the GPU code on transition-metal clusters like [Cu$_2$O$_2$]$^{2+}$ and [Fe$_2$S$_2$(SCH$_3$)]$^{2-}$. The GPU code achieves at least sixfold speedup in both cases, comparing the timings of a single A100 GPU to that of a 32-CPU node. For [Fe$_2$S$_2$(SCH$_3$)]$^{2-}$, we demonstrate that our GPU MSD-AFQMC can recover the dynamical correlation necessary for chemical accuracy with an MSD trial, despite the large number of determinants required ($>10^5$). Our work significantly enhances the efficiency of MSD-AFQMC calculations for large, strongly correlated molecules by utilizing GPUs, offering a promising path for exploring the electronic structure of transition metal complexes.
- Abstract（参考訳）: フェーズレス補助場量子モンテカルロ(ph-AFQMC)の精度は、より良い試行状態で体系的に改善することができる。
マルチスレーター決定試行状態を用いて、ph-AFQMCは、等しい足場上での静的および動的相関のバランスを保ちながら、強相関系を忠実に扱うことができる。
このプリプリントは、大規模・強相関系の効率的なシミュレーションを可能にするために、マルチスレーター決定型トライアル波動関数(GPUアクセラレーションMSD-AFQMC)のためのグラフィクス処理ユニットアクセラレーションph-AFQMCの実装と応用を示す。
このアプローチは、マルチ参照システムにおける基底状態エネルギーのほぼ正確な計算を可能にする。
当社のGPUアクセラレーションMSD-AFQMCは,PythonベースのAFQMCパッケージであるオープンソースコード \texttt{ipie} [\textit{J] に実装されている。
Chem
理論計算。
}, 2022, 19(1): 109-121]。
我々は[Cu$_2$O$_2$]$^{2+}$と[Fe$_2$S$_2$(SCH$_3$)]$^{2-}$のような遷移金属クラスター上でGPUコードのパフォーマンスをベンチマークする。
GPUコードは、両方のケースで少なくとも6倍のスピードアップを実現し、1つのA100 GPUのタイミングを32CPUノードのタイミングと比較する。
Fe$_2$S$_2$(SCH$_3$)]$^{2-}$に対して、我々のGPU MSD-AFQMCは、必要な多くの行列式(>10^5$)にもかかわらず、MSD試験で化学精度に必要な動的相関を回復できることを示す。
本研究は, 遷移金属錯体の電子構造を探索する上で有望な経路を提供するため, 大規模で強い相関関係を持つ分子に対するMSD-AFQMC計算の効率を著しく向上させる。
関連論文リスト
- GPU-accelerated Effective Hamiltonian Calculator [70.12254823574538]
本研究では,非摂動解析対角化法(NPAD)とマグナス拡大法に着想を得た数値解析手法を提案する。
私たちの数値技術は、オープンソースPythonパッケージとして、$rm qCH_eff$で利用可能です。
論文 参考訳（メタデータ） (2024-11-15T06:33:40Z) - Advanced Techniques for High-Performance Fock Matrix Construction on GPU Clusters [0.0]
opt-UM と opt-Brc は、Hartree-Fock のケーキュレーションを$f$型角運動量関数に拡張した。
Opt-Brc はより小さな系と高度に収縮された三価ゼータの基底集合に対して優れ、オプト-UM は大きな分子系に対して有利である。
論文 参考訳（メタデータ） (2024-07-31T08:49:06Z) - Introducing GPU-acceleration into the Python-based Simulations of Chemistry Framework [4.368931200886271]
我々はPySCFのメソッドのGPUアクセラレーションを提供するモジュールであるGPU4PySCFの最初のバージョンを紹介する。
ベンチマーク計算は、PySCFのマルチスレッドCPUHartree-Fockコードに対して、2桁の大幅な高速化を示している。
論文 参考訳（メタデータ） (2024-07-12T21:50:19Z) - A distributed multi-GPU ab initio density matrix renormalization group
algorithm with applications to the P-cluster of nitrogenase [1.7444066202370399]
Initio density matrix renormalization (DMRG)アルゴリズムを最初に分散したマルチGPU(Graphics Processing Unit)を提案する。
我々は、48 GPU上で、前例のないほど大きな結合次元D=14000$に達することができる。
これは、CPUのみを使用して同じシステムに対する以前のDMRG計算で報告された結合次元の約3倍の大きさである。
論文 参考訳（メタデータ） (2023-11-06T04:01:26Z) - On sampling determinantal and Pfaffian point processes on a quantum
computer [49.1574468325115]
DPPは1970年代の量子光学のモデルとしてマッキによって導入された。
ほとんどのアプリケーションはDPPからのサンプリングを必要としており、その量子起源を考えると、古典的なコンピュータでDPPをサンプリングするのは古典的なものよりも簡単かどうか疑問に思うのが自然である。
バニラサンプリングは、各コスト$mathcalO(N3)$と$mathcalO(Nr2)$の2つのステップから構成される。
論文 参考訳（メタデータ） (2023-05-25T08:43:11Z) - ipie: A Python-based Auxiliary-Field Quantum Monte Carlo Program with
Flexibility and Efficiency on CPUs and GPUs [0.5735035463793008]
本稿では,ピソン型補助場量子モンテカルロプログラムであるipieの開発について報告する。
集中処理ユニットとグラフィカル処理ユニットの両方の実装が、ipieでどのように実現されているかを示す。
論文 参考訳（メタデータ） (2022-09-08T19:50:53Z) - Batch-efficient EigenDecomposition for Small and Medium Matrices [65.67315418971688]
EigenDecomposition (ED)は多くのコンピュータビジョンアルゴリズムとアプリケーションの中心にある。
本稿では,コンピュータビジョンの応用シナリオに特化したQRベースのED手法を提案する。
論文 参考訳（メタデータ） (2022-07-09T09:14:12Z) - Matching Pursuit Based Scheduling for Over-the-Air Federated Learning [67.59503935237676]
本稿では,フェデレートラーニング手法を用いて,オーバー・ザ・エアラーニングのための低複雑さデバイススケジューリングアルゴリズムのクラスを開発する。
最先端の提案方式と比較すると,提案方式は極めて低効率なシステムである。
提案手法の有効性は,CIFARデータセットを用いた実験により確認した。
論文 参考訳（メタデータ） (2022-06-14T08:14:14Z) - Performance Evaluation and Acceleration of the QTensor Quantum Circuit
Simulator on GPUs [6.141912076989479]
我々は、NumPy、PyTorch、CuPyのバックエンドを実装し、ベンチマークを行い、CPUまたはGPUにテンソルシミュレーションの最適な割り当てを見つける。
ベンチマークしたQAOA回路のCPU上のNumPyベースライン上でのGPUの高速化により,MaxCut問題を解く。
論文 参考訳（メタデータ） (2022-04-12T19:03:44Z) - Adaptive Elastic Training for Sparse Deep Learning on Heterogeneous
Multi-GPU Servers [65.60007071024629]
本稿では,Adaptive SGDが4つの最先端ソリューションよりも精度が高いことを示す。
本稿では,Adaptive SGDが時間と精度で4つの最先端ソリューションより優れていることを示す。
論文 参考訳（メタデータ） (2021-10-13T20:58:15Z) - MPLP++: Fast, Parallel Dual Block-Coordinate Ascent for Dense Graphical
Models [96.1052289276254]
この研究は、人気のあるDual Block-Coordinate Ascent原則に基づく新しいMAP-solverを導入している。
驚いたことに、性能の低い解法に小さな変更を加えることで、既存の解法を大きなマージンで大幅に上回る新しい解法MPLP++を導出します。
論文 参考訳（メタデータ） (2020-04-16T16:20:53Z)
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。