論文の概要: pyRMG: A Python Framework for High-Throughput, Large-Cell Real-Space MultiGrid DFT Calculations
- arxiv url: http://arxiv.org/abs/2509.16775v1
- Date: Sat, 20 Sep 2025 18:46:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-23 18:58:15.969264
- Title: pyRMG: A Python Framework for High-Throughput, Large-Cell Real-Space MultiGrid DFT Calculations
- Title（参考訳）: pyRMG: 大規模実空間マルチグリッドDFT計算のためのPythonフレームワーク
- Authors: R. J. Morelock, S. Bagchi, E. L. Briggs, W. Lu, J. Bernholc, P. Ganesh,
- Abstract要約: pyRMGは密度汎関数理論計算のセットアップと実行を効率化するために設計されたPythonパッケージである。
pyRMGは,ユーザの介入を限定して,難易度の高いRMGベースの安定性と安定性を両立させることができることを示す。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Computational materials science has evolved toward materials informatics, where large datasets of complex, multispecies compounds are generated and evaluated using density functional theory (DFT). Materials genome projects mine these datasets for candidates with breakthrough properties, but existing databases remain limited to compounds with relatively small unit cells due to computational cost. Exascale computers now provide the power to simulate larger and more chemically realistic systems, but fully realizing this potential requires DFT codes that can efficiently scale to thousands of processors. Our real-space multigrid (RMG) DFT code's grid-decomposition approach scales nearly linearly with the number of GPUs, even for simulations exceeding thousands of atoms. This scalability makes RMG a compelling tool for high-throughput DFT studies of materials that would otherwise be bottlenecked in other codes (for example, by global Fast Fourier Transforms in plane-wave DFT). In this work, we present pyRMG, a Python package designed to streamline the setup and execution of RMG DFT calculations. Built on the pymatgen and ASE Python packages, pyRMG automates input generation and convergence checking, and integrates with modern job schedulers (e.g., Flux) on leadership-class platforms such as Frontier and Perlmutter. We demonstrate pyRMG for a high-throughput study of interfacial strain and twist-angle effects in lattice-matched, 2D Bi$_2$Se$_3$/NbSe$_2$ heterostructures, which form large, anisotropic supercells. Our results link strain and twist angle to material informatics properties, including stability and band gap, and show that pyRMG can initialize and converge challenging RMG-based workflows with limited user intervention.
- Abstract（参考訳）: 計算材料科学は、複雑な多種化合物の大きなデータセットを生成し、密度汎関数理論(DFT)を用いて評価する材料情報学へと発展してきた。
材料ゲノムプロジェクトは、これらのデータセットをブレークスルー特性を持つ候補にマイニングするが、既存のデータベースは計算コストのために比較的小さな単位細胞を持つ化合物に限られている。
エクサスケールコンピュータは、より大きく、より化学的に現実的なシステムをシミュレートする能力を提供しているが、この可能性を完全に認識するには、数千のプロセッサに効率的にスケールできるDFTコードが必要である。
我々の実空間多重グリッド(RMG) DFT符号のグリッド分解アプローチは、数千原子を超えるシミュレーションであっても、GPUの数とほぼ線形にスケールする。
このスケーラビリティにより、RMGは他のコードでボトルネックとなるであろう材料の高スループットDFT研究のための魅力的なツールとなる(例えば、平面波DFTのグローバル高速フーリエ変換)。
本稿では RMG DFT 計算のセットアップと実行を効率化する Python パッケージ pyRMG を提案する。
pymatgenとASE Pythonパッケージをベースに構築されたpyRMGは、入力生成と収束チェックを自動化するとともに、FrontierやPerlmutterといったリーダシップクラスのプラットフォーム上で、現代的なジョブスケジューラ(Fluxなど)と統合する。
格子整合, 2D Bi$_2$Se$_3$/NbSe$_2$ヘテロ構造における界面ひずみとねじれ角効果の高スループット研究のために, pyRMGを実証した。
本研究の結果は, 安定度やバンドギャップなどの材料情報特性にひずみとねじれ角を関連付けることで, pyRMGがユーザ介入に制限のある難解なRMGベースのワークフローを初期化し, 収束させることができることを示す。
関連論文リスト
- Facet: highly efficient E(3)-equivariant networks for interatomic potentials [6.741915610607818]
計算材料発見は、第一原理計算の高コストによって制限される。
結晶構造からエネルギーを予測する機械学習のポテンシャルは有望だが、既存の手法では計算のボトルネックに直面している。
効率的なMLポテンシャルのためのGNNアーキテクチャであるFacetを提案する。
論文 参考訳（メタデータ） (2025-09-10T09:06:24Z) - pyFAST: A Modular PyTorch Framework for Time Series Modeling with Multi-source and Sparse Data [10.949140998070732]
pyFASTは時系列分析のための研究指向のPyTorchフレームワークである。
データエンジンは複雑なシナリオのために設計されており、マルチソースローディング、タンパク質配列処理、効率的なシーケンスおよびパッチレベルのパディング、動的正規化、マスクベースのモデリングをサポートする。
GitHubでMITライセンスでリリースされているpyFASTは、時系列の研究とアプリケーションを進めるための、コンパクトだが強力なプラットフォームを提供する。
論文 参考訳（メタデータ） (2025-08-26T10:05:47Z) - Generating QM1B with PySCF$_{\text{IPU}}$ [40.29005019051567]
本稿では,インテリジェンス処理ユニット(IPU)を用いたデータジェネレータPySCF$_textIPU$を紹介する。
これにより、9-11重原子を含む10億のトレーニング例でデータセットのQM1Bを作成することができます。
QM1Bのいくつかの制限を強調し、DFTオプションの低解像度を強調します。
論文 参考訳（メタデータ） (2023-11-02T10:31:20Z) - MatFormer: Nested Transformer for Elastic Inference [91.45687988953435]
MatFormerは、多様なデプロイメント制約にまたがる弾性推論を提供するように設計された、新しいTransformerアーキテクチャである。
MatFormerは、標準的なTransformerモデルにネストフィードフォワードネットワーク(FFN)ブロック構造を組み込むことで、これを実現している。
8億5000万デコーダのみのMatFormer言語モデル(MatLM)により,5億2200万から8億5千万のパラメータにまたがる複数の小さなモデルを抽出できることを示す。
論文 参考訳（メタデータ） (2023-10-11T17:57:14Z) - MB-TaylorFormer: Multi-branch Efficient Transformer Expanded by Taylor
Formula for Image Dehazing [88.61523825903998]
トランスフォーマーネットワークは、コンピュータビジョンの分野における純粋な畳み込みニューラルネットワーク(CNN)を置き換えるようになった。
そこで本研究では,Taylor拡張を応用してソフトマックスアテンションを近似し,線形計算複雑性を実現するトランスフォーマー変種を提案する。
提案するTransformerにマルチスケールパッチを組み込んだマルチブランチアーキテクチャを導入する。
Taylor式(MB-TaylorFormer)により拡張されたMulti-branch Transformerと呼ばれる我々のモデルは、パッチ埋め込み段階でより柔軟に粗さを微細な特徴に埋め込むことができ、計算コストに制限のある長距離画素相互作用を捉えることができる。
論文 参考訳（メタデータ） (2023-08-27T08:10:23Z) - ClimSim-Online: A Large Multi-scale Dataset and Framework for Hybrid ML-physics Climate Emulation [45.201929285600606]
我々は、ハイブリッドML物理シミュレータを開発するためのエンドツーエンドワークフローを含むClimSim-Onlineを提案する。
データセットはグローバルで、高いサンプリング頻度で10年間にわたっています。
MLモデルを運用環境シミュレータに統合するための、クロスプラットフォームでコンテナ化されたパイプラインを提供します。
論文 参考訳（メタデータ） (2023-06-14T21:26:31Z) - Scalable training of graph convolutional neural networks for fast and
accurate predictions of HOMO-LUMO gap in molecules [1.8947048356389908]
この研究は、数百万の分子の物質特性を予測するために、HPCシステム上でGCNNモデルを構築することに焦点を当てている。
PyTorchで分散データ並列性を活用するために,大規模GCNNトレーニング用の社内ライブラリであるHydraGNNを使用しています。
我々は2つのオープンソースの大規模グラフデータセットの並列トレーニングを行い、HOMO-LUMOギャップとして知られる重要な量子特性のためのGCNN予測器を構築する。
論文 参考訳（メタデータ） (2022-07-22T20:54:22Z) - 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。