TTDFT：用于大规模Kohn-Sham DFT计算的GPU加速Tucker张量DFT代码
摘要：使用图形处理单元（GPU）加速的张量结构化算法，我们提出了Tucker张量密度泛函理论（TTDFT）代码，用于对大规模体系进行基态密度泛函计算。Tucker张量密度泛函理论算法使用从Kohn-Sham哈密顿量的加性可分近似计算得到的局部化Tucker张量基。通过在局部化Tucker张量基上表示的稀疏对称哈密顿矩阵和稠密波函数矩阵之间进行矩阵乘法的Chebyshev滤波子空间迭代方法来解决离散Kohn-Sham问题。这些矩阵乘法操作是解决过程中计算量最大的步骤，通过GPU加速，在最大规模的体系上为这些操作提供了约8倍的GPU-CPU加速比。通过在铝纳米颗粒和硅量子点上进行基准研究，展示了TTDFT代码的计算性能，系统大小范围可达到约7,000个原子。
作者：Chih-Chuen Lin, Vikram Gavini
论文ID：2110.15853
分类：Computational Physics
分类简称：physics.comp-ph
提交时间：2021-11-01