Fugu-MT 論文翻訳(概要): Ab Initio Accuracy Beyond the Cutoff: Distributed Message-Passing Equivariant Attention at Tens-of-Millions-of-Atom Scale

論文の概要: Ab Initio Accuracy Beyond the Cutoff: Distributed Message-Passing Equivariant Attention at Tens-of-Millions-of-Atom Scale

arxiv url: http://arxiv.org/abs/2611.06122v1
Date: Wed, 04 Nov 2026 08:07:22 GMT
ステータス: 翻訳完了
システム内更新日: 2026-11-06 03:25:58.021656
Title: Ab Initio Accuracy Beyond the Cutoff: Distributed Message-Passing Equivariant Attention at Tens-of-Millions-of-Atom Scale
Title（参考訳）: Ab Initioのカットオフを越える正確性: 分散メッセージパージングの同変注意 - 原子の10倍スケールで
Abstract要約: Tesseraは分散ランタイムで、リビルド間のワークロード形状を修正する。空間充填曲線に沿った原子を、同じ原子数とランク毎の形状の等数個のシャードに分類する。壊れた結合や不規則に閉じたペアはなく、グラフの破れや熱心なフォールバックはない。
参考スコア（独自算出の注目度）: 19.444970411722046
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Molecular dynamics predicts molecular motion from atomic forces and trajectory integration. Density functional theory (DFT) provides first-principles forces, but its $O(N^3)$ cost limits simulations to thousands of atoms; empirical force fields scale to millions but miss bond breaking and charge transfer. Equivariant message-passing Transformers learn the ab initio potential at linear cost. Stacked layers propagate information beyond a single cutoff, giving four layers a receptive field up to 23Å. At this frontier, scale is limited by communication: layers exchange boundary features across devices, force backpropagation repeats the exchange, and moving atoms change neighbor graphs and tensor shapes. We present Tessera, a distributed runtime that fixes workload shapes between rebuilds. It sorts atoms along a space-filling curve into equal-count shards, ensuring identical atom counts and tensor shapes per rank. Peer sets scale as $K^{0.5}$, not $K$. A conservative neighbor skin preserves topology across updates, enabling each rebuild interval to replay as one CUDA Graph. Fused kernels, three-level neighbor search, and overlapped All-to-All complete it. On 512 GPUs, Tessera sustains 30.7M atoms at 89.7% weak-scaling efficiency (77--90% across three per-GPU loads); per-step time rises 1.11--1.29x as machine and problem grow 16x. Graph reuse cuts full-step time $1.87\times$. Across an $8\times$ device increase, neighbor-search cost grows $1.7\times$, versus $3.0\times$ for Morton order. In a live $10.24$M-atom salt solution, NVE energy drift is $0.42\,μ$eV/atom/ps over $10$ ps, and structure matches a serial reference. A 10.06M-atom Norovirus capsid sustains 100 ps of NVT at $\approx 8$ ps/day on 256 A100 GPUs. Over 200,000 steps, it has no broken bonds or anomalously close pairs and uses three compiled variants, with no graph breaks or eager fallbacks.
Abstract（参考訳）: 分子動力学は原子間力と軌道積分から分子運動を予測する。密度汎関数理論 (DFT) は第一原理力を与えるが、その$O(N^3)$コストは数千の原子に制限される。等価なメッセージパッシングトランスフォーマーは、線形コストでab initio電位を学習する。積み重ねられたレイヤは、1つのカットオフを越えて情報を伝達し、4つのレイヤは最大23 の受信フィールドを与える。このフロンティアでは、スケールは通信によって制限される: 層がデバイス間で境界特性を交換し、力のバックプロパゲーションが交換を繰り返し、移動原子が隣のグラフとテンソル形状を変化させる。私たちは、リビルド間のワークロード形状を修正する分散ランタイムであるTesseraを紹介します。空間充填曲線に沿った原子を等数シャードに分類し、同じ原子数とテンソル形状をランクごとに確保する。 Peer set scale as $K^{0.5}$, not $K$. 保守的な隣のスキンは更新全体にわたってトポロジーを保持し、各リビルド間隔を1つのCUDAグラフとして再生することができる。融合カーネル、三段階の隣人検索、重複したAll-to-Allが完了した。 512GPUでは、Tesseraは30.7Mの原子を89.7%の弱いスケーリング効率(GPU当たり3つの負荷で77-90%)で維持する。グラフの再利用はフルステップで$1.87\times$1.87を削減デバイスの増加により、隣人の検索コストは1.7ドルとなり、Mortonの注文は3.0ドルになる。生の10.24$M塩溶液では、NVEエネルギードリフトは10$ps以上の0.42\,μ$eV/atom/psであり、構造はシリアル参照と一致する。 10.06M原子のノロウイルスカプシドは、256 A100 GPU上で100psのNVTを1日$\approx 8$ psで維持する。 20万以上のステップで、壊れた結合や不規則に閉じたペアがなく、3つのコンパイルされた変種を使用し、グラフの破れや熱心なフォールバックはない。

論文の概要: Ab Initio Accuracy Beyond the Cutoff: Distributed Message-Passing Equivariant Attention at Tens-of-Millions-of-Atom Scale

関連論文リスト