Récemment, l’équipe du Centre d’information du réseau informatique de l’Académie des sciences de Chine a développé un logiciel de calcul de perturbation quantique à grande échelle, HIP-DFPT, destiné aux clusters GPU hétérogènes. Ce logiciel, conçu pour les charges de travail irrégulières dans le calcul de perturbation quantique, propose des méthodes telles que la réorganisation des micro-tâches, l’optimisation de la mémoire GPU et le pipeline asynchrone multi-flux. Il regroupe un grand nombre de tâches de calcul à grain fin en unités de micro-tâches mieux adaptées à l’exécution sur GPU, améliorant ainsi l’utilisation des threads et l’efficacité de l’accès aux données, tout en réduisant les frais de communication et de transfert de données.
La théorie de la perturbation quantique est un outil théorique important pour étudier les propriétés de réponse des matériaux et des systèmes moléculaires. Elle permet de révéler des caractéristiques physiques microscopiques telles que le spectre des phonons, la polarisabilité et le spectre Raman, et possède une valeur applicative significative dans des domaines comme la science des matériaux, la physique de la matière condensée et la simulation moléculaire.
L’équipe de recherche a proposé une méthode de modélisation des performances basée sur l’IA pour les codes à branches complexes, permettant de prédire rapidement le temps d’exécution des tâches en ne prélevant qu’un petit nombre de données de fonctionnement. Elle a également conçu un algorithme d’équilibrage de charge hybride multi-niveaux, réalisant une optimisation coordonnée de la planification dynamique entre les nœuds et au sein des GPU. Les résultats expérimentaux montrent que HIP-DFPT peut être étendu à 8 192 GPU nationaux et prendre en charge la simulation à précision électronique totale pour des systèmes comprenant jusqu’à 200 000 atomes, avec une augmentation de 70 % du débit atomique. Cela valide la capacité de parallélisation et le potentiel d’application en ingénierie de ce logiciel dans le calcul de perturbation quantique à grande échelle, offrant une nouvelle voie technologique pour l’optimisation intelligente des programmes de calcul scientifique complexes sur des clusters GPU hétérogènes.
Il est à noter que les résultats de cette recherche ont été acceptés par IEEE Transactions on Parallel and Distributed Systems (revue de catégorie A du CCF).