Zum Inhalt springen
AI.info

The Pulse

NVIDIA nimmt mit Daviator Engpässe bei Materialberechnungen ins Visier

NVIDIA hat GPU-Kernels eingeführt, die Berechnungen bündeln, mit denen Trainingsdaten für Machine-Learning-Interatompotentiale erzeugt werden. Das Unternehmen gibt – abhängig von Hardware und Konfiguration – prognostizierte Geschwindigkeits- und Kostenvorteile gegenüber der Ausführung auf CPUs an.

NVIDIA nimmt mit Daviator Engpässe bei Materialberechnungen ins Visier

Eine neue GPU-Kernel-Bibliothek von NVIDIA bündelt Berechnungen, die Materialforscher zur Erzeugung von Trainingsdaten für Machine-Learning-Interatompotentiale verwenden. In einem technischen Beitrag vom 18. November erklärte NVIDIA, die Bibliothek namens Daviator habe bei einem projizierten Workload mit einem Referenzdatensatz eine bis zu 22-mal kürzere Zeit bis zur Lösung und bis zu 75 % geringere Kosten als die Ausführung auf CPUs erreicht – abhängig von Hardware und Konfiguration.

Das Unternehmen beschrieb außerdem eine Mixed-Precision-Schicht, die die Berechnungen auf bestimmten GPUs weiter beschleunigen soll. Die Ergebnisse betreffen die Erzeugung von Referenzdaten und nicht das Training eines Interatompotenzials selbst.

Kleine Systeme, viele Berechnungen

Das Training eines Machine-Learning-Interatompotenzials der nächsten Generation erfordert zig bis Hunderte Millionen Berechnungen der Dichtefunktionaltheorie, kurz DFT, für Energien, Kräfte und Spannungen in verschiedenen Strukturen und chemischen Zusammensetzungen. Daviator zielt auf Berechnungen mit VASP ab, einer DFT-Implementierung mit ebenen Wellen.

In periodischen Systemen werden Berechnungen an einer diskreten Menge von Punkten durchgeführt, den sogenannten k-Punkten. VASPs OpenACC-GPU-Implementierung verarbeitet diese Punkte nacheinander, obwohl jede Berechnung weitgehend unabhängig ist. Bei kleinen Systemen mit dichten Gittern kann der dadurch entstehende Dispatch-Overhead die Rechenzeit dominieren.

NVIDIA zufolge lief ein Ein-Atom-Eisensystem mit 752 k-Punkten mit dem bisherigen Ansatz auf teurerer GPU-Hardware achtmal langsamer als auf einer CPU. Große Systeme können pro k-Punkt genügend Arbeit bieten, um eine GPU auszulasten, kleinere Systeme hingegen nicht unbedingt.

Die Arbeit bündeln

Daviator bündelt Arbeit über k-Punkte und Spins hinweg, unter anderem mithilfe eines gebündelten Davidson-Eigenwertlösers. Die Daten verbleiben im GPU-Speicher, während VASP die Kontrolle über die Selbstkonsistenzschleife, das Mixing, die Symmetrie sowie Ein- und Ausgabe behält.

Bei den Benchmarks wurde Daviator mit den CPU- und OpenACC-Baselines von VASP 6.6.0 auf NVIDIA H100-, H200- und B200-GPUs verglichen. Das Unternehmen berichtet, dass das einzelne Eisenatom mit Daviator mehr als doppelt so schnell wie mit der CPU-Baseline lief. Bei einer mit Wismut dotierten Galliumarsenidstruktur mit 64 Atomen habe Daviator die Ausführungszeit um mehr als 85 % verkürzt.

Präzision und Zugang

Die separate Mixed-Precision-Schicht verwendet für ausgewählte Komponenten des Davidson-Lösers FP32-Arithmetik und -Speicherung, während für numerisch empfindliche Schritte FP64 beibehalten wird. NVIDIA zufolge ermöglicht dies auf GPUs mit einem hohen FP32-zu-FP64-Durchsatzverhältnis, etwa der RTX PRO 6000, ungefähr die doppelte Beschleunigung von Anfang bis Ende.

Bei der Präzisionsanalyse werden konfigurierbare Fließkommatypen verwendet, um einzelne Kernels anhand einer Referenz zu prüfen. Im Arbeitsablauf wird die Anzahl der Mantissen- und Exponentenbits wiederholt verringert, bis ein Vergleich fehlschlägt. So lässt sich ermitteln, wo eine geringere Präzision eingesetzt werden kann und wo eine höhere Präzision erforderlich ist.

Daviator wird über den NVIDIA-ALCHEMI-VASP-Microservice angeboten und lässt sich durch Setzen von LDAVIATOR=True in der INCAR-Datei aktivieren. Vorhandene VASP-Eingaben funktionieren ohne Änderungen.

VASP mit Daviator ist derzeit auf die Ausführung auf einem einzelnen Knoten beschränkt. Unterstützung für mehrere Knoten, die Abdeckung von Systemen mit nicht kollinearen Spins und explizite Gamma-only-Läufe werden zu einem späteren Zeitpunkt erwartet.

Quellen

  1. Originalquelle · Blogbeitrag NVIDIA Technical Blog developer.nvidia.com

Unternehmen in dieser Meldung

Verwandte Meldungen

Entdecken

Weitere Artikel