密度矩阵重正化群的异构并行优化

密度矩阵重正化群方法（DMRG）在求解一维强关联格点模型的基态时可以获得较高的精度，在应用于二维或准二维问题时，要达到类似的精度通常需要较大的计算量与存储空间.本文提出一种新的DMRG异构并行策略，可以同时发挥计算机中央处理器（CPU）和图形处理器（GPU）的计算性能.针对最耗时的哈密顿量对角化部分，实现了数据的分布式存储，并且给出了CPU和GPU之间的负载平衡策略.以费米Hubbard模型为例，测试了异构并行程序在不同DMRG保留状态数下的运行表现，并给出了相应的性能基准.应用于4腿梯子时，观测到了高温超导中常见的电荷密度条纹，此时保留状态数达到10⁴，使用的GPU显存小于12 GB.     

密度矩阵重正化群的异构并行优化

密度矩阵重正化群方法（DMRG）在求解一维强关联格点模型的基态时可以获得较高的精度，在应用于二维或准二维问题时，要达到类似的精度通常需要较大的计算量与存储空间.本文提出一种新的DMRG异构并行策略，可以同时发挥计算机中央处理器（CPU）和图形处理器（GPU）的计算性能.针对最耗时的哈密顿量对角化部分，实现了数据的分布式存储，并且给出了CPU和GPU之间的负载平衡策略.以费米Hubbard模型为例，测试了异构并行程序在不同DMRG保留状态数下的运行表现，并给出了相应的性能基准.应用于4腿梯子时，观测到了高温超导中常见的电荷密度条纹，此时保留状态数达到10⁴，使用的GPU显存小于12 GB.     

密度矩阵重正化群的异构并行优化

密度矩阵重正化群方法（DMRG）在求解一维强关联格点模型的基态时可以获得较高的精度，在应用于二维或准二维问题时，要达到类似的精度通常需要较大的计算量与存储空间.本文提出一种新的DMRG异构并行策略，可以同时发挥计算机中央处理器（CPU）和图形处理器（GPU）的计算性能.针对最耗时的哈密顿量对角化部分，实现了数据的分布式存储，并且给出了CPU和GPU之间的负载平衡策略.以费米Hubbard模型为例，测试了异构并行程序在不同DMRG保留状态数下的运行表现，并给出了相应的性能基准.应用于4腿梯子时，观测到了高温超导中常见的电荷密度条纹，此时保留状态数达到10⁴，使用的GPU显存小于12 GB.     

时空转换思想与算法并行化

通过对求解最优化问题计算的４种并行化方法的剖析，分析了数学思维过程中如何应用时空转换，把一个复杂问题的求解分解为在多个时空上的并行计算．加深了对设计并行算法的思维过程和多时空变换的理解，     

密度矩阵重正化群的异构并行优化

密度矩阵重正化群方法（DMRG）在求解一维强关联格点模型的基态时可以获得较高的精度，在应用于二维或准二维问题时，要达到类似的精度通常需要较大的计算量与存储空间.本文提出一种新的DMRG异构并行策略，可以同时发挥计算机中央处理器（CPU）和图形处理器（GPU）的计算性能.针对最耗时的哈密顿量对角化部分，实现了数据的分布式存储，并且给出了CPU和GPU之间的负载平衡策略.以费米Hubbard模型为例，测试了异构并行程序在不同DMRG保留状态数下的运行表现，并给出了相应的性能基准.应用于4腿梯子时，观测到了高温超导中常见的电荷密度条纹，此时保留状态数达到10⁴，使用的GPU显存小于12 GB.     

磁瓶飞行时间谱仪用复合磁场系统设计

根据磁瓶飞行时间谱仪磁场系统的基本要求,设计了一套符合其使用的复合磁场系统.最高强度达1.2T的强非均匀磁场部分由永久磁铁和结构经过优化的截圆锥状磁极靴所产生.永久磁铁为N52系列NdFeB,磁极靴材料为高磁导率珀明德合金.强度为1.0×10-3 T的弱均匀引导磁场由半径为3 cm、长度为3m螺线管提供.磁极靴与螺线管...     

密度矩阵重正化群的异构并行优化

密度矩阵重正化群方法（DMRG）在求解一维强关联格点模型的基态时可以获得较高的精度,在应用于二维或准二维问题时,要达到类似的精度通常需要较大的计算量与存储空间.本文提出一种新的DMRG异构并行策略,可以同时发挥计算机中央处理器（CPU）和图形处理器（GPU）的计算性能.针对最耗时的哈密顿量对角化部分,实现了数据的分布式存储,并且给出了CPU和GPU之间的负载平衡策略.以费米Hubbard模型为例,测试了异构并行程序在不同DMRG保留状态数下的运行表现,并给出了相应的性能基准.应用于4腿梯子时,观测到了高温超导中常见的电荷密度条纹,此时保留状态数达到10⁴,使用的GPU显存小于12 GB.     

A survey of the parallel performance and accuracy of Poisson solvers for electronic structure calculations

We present an analysis of different methods to calculate the classical electrostatic Hartree potential created by charge distributions. Our goal is to provide the reader with an estimation on the performance—in terms of both numerical complexity and accuracy—of popular Poisson solvers, and to give an intuitive idea on the way these solvers operate. Highly parallelizable routines have been implemented in a first‐principle simulation code (Octopus ) to be used in our tests, so that reliable conclusions about the capability of methods to tackle large systems in cluster computing can be obtained from our work. © 2013 Wiley Periodicals, Inc.     

Midpoint cell method for hybrid (MPI+OpenMP) parallelization of molecular dynamics simulations

We have developed a new hybrid (MPI+OpenMP) parallelization scheme for molecular dynamics (MD) simulations by combining a cell‐wise version of the midpoint method with pair‐wise Verlet lists. In this scheme, which we call the midpoint cell method, simulation space is divided into subdomains, each of which is assigned to a MPI processor. Each subdomain is further divided into small cells. The interaction between two particles existing in different cells is computed in the subdomain containing the midpoint cell of the two cells where the particles reside. In each MPI processor, cell pairs are distributed over OpenMP threads for shared memory parallelization. The midpoint cell method keeps the advantages of the original midpoint method, while filtering out unnecessary calculations of midpoint checking for all the particle pairs by single midpoint cell determination prior to MD simulations. Distributing cell pairs over OpenMP threads allows for more efficient shared memory parallelization compared with distributing atom indices over threads. Furthermore, cell grouping of particle data makes better memory access, reducing the number of cache misses. The parallel performance of the midpoint cell method on the K computer showed scalability up to 512 and 32,768 cores for systems of 20,000 and 1 million atoms, respectively. One MD time step for long‐range interactions could be calculated within 4.5 ms even for a 1 million atoms system with particle‐mesh Ewald electrostatics. © 2014 Wiley Periodicals, Inc.     

密度矩阵重正化群的异构并行优化

密度矩阵重正化群方法（DMRG）在求解一维强关联格点模型的基态时可以获得较高的精度,在应用于二维或准二维问题时,要达到类似的精度通常需要较大的计算量与存储空间.本文提出一种新的DMRG异构并行策略,可以同时发挥计算机中央处理器（CPU）和图形处理器（GPU）的计算性能.针对最耗时的哈密顿量对角化部分,实现了数据的分布式存储,并且给出了CPU和GPU之间的负载平衡策略.以费米Hubbard模型为例,测试了异构并行程序在不同DMRG保留状态数下的运行表现,并给出了相应的性能基准.应用于4腿梯子时,观测到了高温超导中常见的电荷密度条纹,此时保留状态数达到10⁴,使用的GPU显存小于12 GB.