Copied


NVIDIA Führt Daviator Ein, Um GPU-Flaschenhälse in der Planwellen-DFT Zu Beheben

Caroline Bishop   Nov 19, 2026 01:57 0 Min Read


NVIDIA hat zwei neue Funktionen vorgestellt, die dazu dienen, die GPU-Leistungsengpässe in der Planwellen-Dichtefunktionaltheorie (DFT) zu beheben, einem rechnerischen Verfahren, das weitreichend in der Materialwissenschaft und Chemie eingesetzt wird. Die Innovationen, die als Daviator und eine gemischte Präzisionsexekutionsschicht bezeichnet werden, zielen darauf ab, die Effizienz von DFT-Berechnungen erheblich zu steigern, insbesondere für kleine Systeme mit dichten k-Punkt-Gittern. Diese Fortschritte versprechen, das Training von maschinellen Lernpotenzialen (MLIP), das auf zehn bis hundert Millionen DFT-Berechnungen beruht, zu beschleunigen.

Bewältigung von GPU-Nutzungsherausforderungen

Planwellen-DFT-Berechnungen, die oft mit dem Wiener Ab initio Simulationspaket (VASP) implementiert werden, sind rechenintensiv und erfordern hohe Genauigkeit. Dennoch können kleine Gitterzellen und dichte k-Punkt-Gitter, die bei der MLIP-Datengenerierung häufig verwendet werden, GPU-Ressourcen ungenutzt lassen. NVIDIAs OpenACC-Implementierung für VASP hat zuvor Beschleunigungen für große Systeme geliefert, aber sequentielles k-Punkt-Processing hat die GPU-Leistung für kleinere Systeme eingeschränkt. Zudem hat die Dominanz von Doppelpunkten (FP64) in traditionellen DFT-Codes eine Diskrepanz mit modernen NVIDIA-GPUs geschaffen, die zunehmend für Daten mit niedrigerer Präzision wie FP32 optimiert sind.

Daviator: Batch-Verarbeitung von K-Punkten für GPU-Sättigung

Daviator führt eine Bibliothek von GPU-Kernen ein, die das sequentielle k-Punkt-Processing durch Batch-Operationen ersetzt. Zentral zu dieser Innovation ist ein batchbasierter Davidson-Eigenwertlöser, der die Anzahl der GPU-Kernelstarts reduziert und die Belegung des Streaming-Multiprozessors (SM) maximiert. Die Daten bleiben während des gesamten Prozesses im GPU-Speicher, wodurch die Latenz minimiert wird. Daviator integriert sich nahtlos in VASP und erfordert keine Modifikationen an vorhandenen Eingabedateien. Benutzer können es aktivieren, indem sie den Parameter "LDAVIATOR=True" in der INCAR-Datei setzen.

Erste Benchmark-Tests zeigen signifikante Leistungsverbesserungen. So erreichte beispielsweise ein einzelnes Eisenatom-System über 2x Beschleunigungen im Vergleich zur CPU-Ausführung, während hochgenaue Funktionale wie meta-GGA Zeit bis zur Lösung von bis zu 22x schneller zeigten. Für mittelgroße Systeme, wie eine 64 -Atom-Bi-dotierte GaAs-Struktur, wurden die Ausführungszeiten um mehr als 85% reduziert.

Gemischte Präzisionsausführungsschicht

Die zweite von NVIDIA eingeführte Fähigkeit ist eine gemischte Präzisionsausführungsschicht, die die höhere FP32 -Durchsatzrate nutzt, die moderne GPUs bieten. Durch selektive Verwendung von FP32 für die meisten Rechenschritte bei gleichzeitiger Beibehaltung von FP64 für kritische, genauigkeitsrelevante Operationen überbrückt dieser Ansatz die Lücke zwischen traditionellen HPC-Codes und AI-optimierter Hardware. Dies ist besonders vorteilhaft für inferenzklasse GPUs wie die RTX PRO 6000 , die ein 64:1 FP32 -zu- FP64 -Durchsatzverhältnis aufweisen.

Auswirkungen und zukünftige Entwicklungen

Diese Fortschritte reduzieren nicht nur die Rechenkosten, sondern ermöglichen es Forschern auch, hochgenaue DFT-Berechnungen in größerem Maßstab durchzuführen. Daviator ist derzeit auf die Ausführung auf einem einzelnen Knoten beschränkt, während die Unterstützung für mehrere Knoten und zusätzliche Funktionen, wie die Kompatibilität mit nicht-kollinearen Spin-Systemen, in zukünftigen Versionen erwartet werden. Insgesamt stellen NVIDIAs Innovationen einen bedeutenden Schritt nach vorne bei der Optimierung der GPU-Leistung für Anwendungen der computergestützten Chemie und Materialwissenschaft dar.


Read More