Ir al contenido
AI.info

The Pulse

NVIDIA apunta a los cuellos de botella en los cálculos de materiales con Daviator

NVIDIA ha presentado kernels de GPU que agrupan cálculos utilizados para generar datos de entrenamiento para potenciales interatómicos de aprendizaje automático. La empresa informa de mejoras proyectadas en velocidad y costes frente a la ejecución en CPU, que dependen del hardware y la configuración.

NVIDIA apunta a los cuellos de botella en los cálculos de materiales con Daviator

Una nueva biblioteca de kernels de GPU de NVIDIA agrupa cálculos que los investigadores de materiales utilizan para generar datos de entrenamiento para potenciales interatómicos de aprendizaje automático. En una publicación técnica del 18 de noviembre, NVIDIA dijo que la biblioteca, llamada Daviator, logró reducir hasta 22 veces el tiempo hasta la solución y hasta un 75 % el coste frente a la ejecución en CPU para una carga de trabajo proyectada de un conjunto de datos de referencia, según el hardware y la configuración.

La empresa también describió una capa de precisión mixta destinada a acelerar aún más los cálculos en ciertas GPU. Los resultados se refieren a la generación de datos de referencia, no al entrenamiento de un potencial interatómico en sí.

Sistemas pequeños, muchos cálculos

El entrenamiento de un potencial interatómico de aprendizaje automático de nueva generación requiere decenas o cientos de millones de cálculos de teoría del funcional de la densidad, o DFT, de energías, fuerzas y tensiones en distintas estructuras y composiciones químicas. Daviator está dirigido a los cálculos realizados con VASP, una implementación de DFT con ondas planas.

En los sistemas periódicos, los cálculos muestrean un conjunto discreto de puntos conocidos como puntos k. La implementación de GPU de VASP con OpenACC procesa esos puntos secuencialmente, aunque cada resolución es en gran medida independiente. En sistemas pequeños con mallas densas, la sobrecarga resultante del lanzamiento puede dominar el tiempo de cálculo.

NVIDIA afirma que, con el enfoque existente, un sistema de hierro de un solo átomo con 752 puntos k tardó ocho veces más en hardware de GPU más caro que en una CPU. Los sistemas grandes pueden ofrecer suficiente trabajo por punto k para aprovechar una GPU, pero los pequeños no necesariamente lo hacen.

Agrupar el trabajo

Daviator agrupa el trabajo entre puntos k y espines, incluso mediante un solucionador de autovalores de Davidson por lotes. Los datos permanecen en la memoria de la GPU mientras VASP conserva el control del bucle de campo autoconsistente, la mezcla, la simetría y las entradas y salidas.

Los benchmarks compararon Daviator con las versiones de referencia de VASP 6.6.0 para CPU y OpenACC en GPU NVIDIA H100, H200 y B200. La empresa informa de que, con Daviator, el átomo de hierro aislado se ejecutó más del doble de rápido que con la versión de referencia para CPU. Para una estructura de arseniuro de galio dopada con bismuto de 64 átomos, afirma que Daviator redujo el tiempo de ejecución en más del 85 %.

Precisión y acceso

La capa de precisión mixta, independiente, utiliza aritmética y almacenamiento FP32 para determinados componentes del solucionador de Davidson, mientras conserva FP64 para los pasos sensibles desde el punto de vista numérico. NVIDIA afirma que esto proporciona aproximadamente el doble de aceleración de extremo a extremo en GPU con ratios elevados de rendimiento FP32 respecto a FP64, como la RTX PRO 6000.

El análisis de precisión utiliza tipos de coma flotante configurables para evaluar kernels individuales frente a una referencia. El flujo de trabajo reduce repetidamente el número de bits de la mantisa y el exponente hasta que falla una comparación, lo que ayuda a identificar dónde se puede usar una precisión menor y dónde se necesita una mayor.

Daviator se ofrecerá a través del microservicio NVIDIA ALCHEMI VASP, que se activa al establecer LDAVIATOR=True en el archivo INCAR. Las entradas de VASP existentes funcionan sin modificaciones.

Por ahora, VASP con Daviator está limitado a la ejecución en un solo nodo. Se espera que en una etapa posterior se añada compatibilidad con varios nodos, cobertura para sistemas con espines no colineales y ejecuciones explícitas solo en gamma.

Fuentes

  1. Fuente original · Entrada de blog NVIDIA Technical Blog developer.nvidia.com

Empresas en esta noticia

Noticias relacionadas

Explora

Más artículos