Copied


NVIDIA Introduce Daviator para Abordar Cuellos de Botella de GPU en DFT de Onda Planeada

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


NVIDIA ha presentado dos nuevas capacidades diseñadas para abordar los cuellos de botella de rendimiento de GPU en la teoría de funciones de densidad (DFT) de onda planeada, un método computacional ampliamente utilizado en ciencia de materiales y química. Las innovaciones, llamadas Daviator y una capa de ejecución de precisión mixta, buscan mejorar significativamente la eficiencia de los cálculos de DFT, particularmente para sistemas pequeños con rejillas de k-puntos densos. Estos avances prometen acelerar el entrenamiento de potenciales interatómicos basado en aprendizaje automático (MLIP), que depende de decenas a cientos de millones de cálculos DFT.

Abordando los Desafíos de Utilización de GPU

Los cálculos de DFT de onda planeada, a menudo implementados utilizando el Paquete de Simulación Ab initio de Viena (VASP), son intensivos en computación y requieren alta precisión. Sin embargo, las celdas unitarias pequeñas y las rejillas de k-puntos densos comúnmente utilizadas en la generación de datos de MLIP pueden dejar recursos de GPU subutilizados. La implementación de OpenACC de NVIDIA para VASP ha ofrecido anteriormente aceleraciones para sistemas grandes, pero el procesamiento secuencial de k-puntos ha limitado el rendimiento de GPU para sistemas más pequeños. Además, el dominio de las operaciones de doble precisión (FP64) en los códigos DFT tradicionales ha creado un desajuste con las modernas GPUs de NVIDIA, que están cada vez más optimizadas para tipos de datos de menor precisión como FP32 .

Daviator: Agrupando K-Puntos para la Saturación de CUDA

Daviator introduce una biblioteca de núcleos de GPU que reemplaza el procesamiento secuencial de k-puntos con operaciones agrupadas. Central a esta innovación es un solucionador de eigenvalores Davidson agrupado, que reduce el número de lanzamientos de núcleos de GPU y maximiza la ocupación de los procesadores multiprocesadores (SM). Los datos permanecen residuales en la memoria de GPU durante todo el proceso, minimizando la latencia. Daviator se integra a la perfección con VASP, sin requerir modificaciones en los archivos de entrada existentes. Los usuarios pueden activarlo configurando el parámetro "LDAVIATOR=True" en el archivo INCAR.

Las pruebas iniciales demuestran mejoras de rendimiento significativas. Por ejemplo, un sistema de hierro de un solo átomo logró más de 2x de aceleraciones en comparación con la ejecución en CPU, mientras que funcionales de mayor precisión como meta-GGA mostraron tiempos de solución hasta 22x más rápidos. Para sistemas de tamaño medio, como una estructura de GaAs dopada con Bi de 64 átomos, los tiempos de ejecución se redujeron en más de 85% .

Capa de Ejecución de Precisión Mixta

La segunda capacidad introducida por NVIDIA es una capa de ejecución de precisión mixta, que aprovecha el mayor rendimiento de FP32 disponible en las GPUs modernas. Al usar selectivamente FP32 para la mayoría de los pasos computacionales mientras se conserva FP64 para operaciones críticas sensibles a la precisión, este enfoque cierra la brecha entre los códigos HPC tradicionales y el hardware optimizado para IA. Esto es especialmente beneficioso para GPUs de clase de inferencia como la RTX PRO 6000 , que cuentan con una relación de rendimiento de 64:1 de FP32 a FP64 .

Implicaciones y Futuras Desarrollos

Estos avances no solo reducen los costos computacionales, sino que también permiten a los investigadores realizar cálculos de DFT de mayor precisión a gran escala. Actualmente, Daviator está limitado a ejecuciones de nodo único, con soporte para múltiples nodos y funciones adicionales, como compatibilidad con sistemas de espín no colineales, esperadas en futuras versiones. En general, las innovaciones de NVIDIA representan un paso importante hacia la optimización del rendimiento de GPU para aplicaciones de química computacional y ciencia de materiales.


Read More