Recientemente, el equipo del Centro de Información de Redes de la Academia China de Ciencias ha desarrollado el software HIP-DFPT para computación cuántica perturbativa a gran escala en clústeres de GPU heterogéneas. Este software aborda las características de carga irregular en la computación cuántica perturbativa, proponiendo métodos como la reorganización de microtareas, la optimización de la memoria de GPU y el flujo asíncrono multitarea, para reorganizar una gran cantidad de tareas computacionales de grano fino en unidades de microtareas más adecuadas para la ejecución en GPU, mejorando la utilización de hilos y la eficiencia del acceso a datos, y reduciendo la sobrecarga de comunicación y transferencia de datos.

La teoría cuántica perturbativa es una herramienta teórica importante para estudiar las propiedades de respuesta de materiales y sistemas moleculares, que puede revelar propiedades físicas microscópicas como el espectro de fonones, la polarizabilidad y el espectro Raman, con un valor significativo en campos como la ciencia de materiales, la física de la materia condensada y la simulación molecular.

El equipo de investigación ha propuesto un método de modelado de rendimiento basado en IA para código con ramificaciones complejas, que permite predecir rápidamente el tiempo de ejecución de tareas con solo una pequeña muestra de datos de ejecución, y ha diseñado un algoritmo de equilibrio de carga multinivel híbrido para lograr una optimización coordinada de la programación dinámica entre nodos y dentro de la GPU. Los resultados experimentales muestran que HIP-DFPT puede escalar hasta 8192 GPU nacionales y soportar simulaciones de precisión de electrones completos para sistemas de hasta 200,000 átomos, con un aumento del 70% en el rendimiento atómico, lo que verifica la capacidad de paralelización y el potencial de aplicación en ingeniería de este software en la computación cuántica perturbativa a gran escala, proporcionando una nueva ruta técnica para la optimización inteligente de programas de computación científica complejos en clústeres de GPU heterogéneas.

Se informa que los resultados de la investigación han sido aceptados por IEEE Transactions on Parallel and Distributed Systems (revista de categoría A de CCF).