🔬 materials science

CP2K on the road to exascale

本文介绍了 CP2K 原子模拟软件包，重点介绍了其第二代 Car-Parrinello 分子动力学能力，并详细阐述了面向百亿亿次级（exascale）时代所开发的超大规模并行低标度求解器以及在低精度硬件上进行近似计算的策略。

原作者： Thomas D. Kühne, Christian Plessl, Robert Schade, Ole Schütt

发布于 2026-09-29

📖 1 分钟阅读☕ 轻松阅读

原作者： Thomas D. Kühne, Christian Plessl, Robert Schade, Ole Schütt

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，试图理解一滴水的行为方式，不仅是将其视为一种静态的液体，而是将其视为一个活生生的、呼吸着的系统，其中每一个原子都在不断地运动、碰撞和反应。为了实现这一点，科学家们使用了一种强大的计算机模拟技术，这种技术根据量子力学的严格定律（即支配微观世界的物理学）来处理物质。这些模拟对计算能力的要求极高，因为它们必须同时追踪电子和原子核的行为，这项任务需要巨大的计算量。几十年来，研究人员一直依赖超级计算机来运行这些计算，但随着他们想要研究的系统变得越来越大——从微小的集群演变为拥有数百万个原子的庞大材料——获取答案所需的时间成为了一个瓶颈。其目标始终是达到这样一个点：计算机能够如此快速地解决这些问题，以至于科学家可以实时观察复杂的化学过程，模拟整个原子世界，而不仅仅是区区几个原子。

开发 CP2K 软件库的研究团队（这是一个用于此类原子模拟的广泛使用的工具）一直致力于弥合当前能力与下一代超级计算机（即艾级/exascale 计算机）之间的差距。这些新计算机旨在每秒执行百亿亿次（quintillion）次计算，提供了巨大的速度飞跃。然而，仅仅拥有更快的硬件是不够的；软件必须经过重写，以适应这些机器运行的独特方式。该团队的工作重点在于改进驱动模拟的核心算法，确保它们能够扩展到同时使用数百万个处理器核心，而不会陷入停滞。他们特别感兴趣的是一种被称为第二代 Car-Parrinello 分子动力学的方法，这种方法允许计算机在保持电子处于最稳定状态的同时，模拟原子在极长时间内（如纳秒级）的运动。这种方法至关重要，因为它允许研究现实的、有限温度的系统（如液体或固体），而不仅仅是物质的冻结快照。

研究人员确定了现代计算领域必须使软件进行适应的三大趋势：大规模并行处理的需求、图形处理器（GPU）在计算中的广泛应用，以及能够以不同精度执行计算的硬件可用性。为了应对这些挑战，团队重新构建了代码处理数据的方式。他们开发了新的方法，将大型数学问题分解为较小的、独立的块，以便计算机的不同部分可以同时求解，而无需不断地相互检查。这是通过将数据组织成分配给特定处理线程的固定块来实现的，这消除了许多处理器试图同时访问相同信息时通常会产生的延迟。他们还集成了对 GPU 的支持——这些最初为视频游戏设计的强大芯片，现在已成为科学计算的重要组成部分——允许软件将最繁重的计算任务卸载到这些专门的加速器上。

他们的大部分工作涉及处理电子相互作用的数学复杂性，这是模拟中最昂贵的部分。传统上，计算大型系统中电子如何相互排斥需要随着系统规模增大而呈爆炸式增长的步骤，这使得大规模模拟几乎变得不可能。该团队引入了新技术来筛选掉可以忽略不计的相互作用，有效地忽略了那些微不足道的力，从而大幅降低了计算成本。他们还开发了使用较小、易于计算的矩阵来近似电子密度的方法，随后再用更精确但成本更低的计算来修正结果。这使得他们能够在大幅缩减时间的同时保持高精度。此外，他们正在探索使用“混合精度”技术，即让计算机使用较低数值精度的水平来执行大部分工作（这样计算速度更快），然后使用一种专门的数学修正方法来确保最终结果保持精确。

这些进展所取得的成果已经令人印象深刻。在对体水（bulk water）的模拟中，研究人员展示了其优化的代码可以在拥有数万个核心的超级计算机上处理多达一百万个原子的系统。最近，通过结合他们的新型子矩阵方法与电子密度纯化方案，他们实现了一个包含超过一亿个原子的系统的突破性模拟。这次大规模计算在一台超级计算机上运行，其持续性能达到了 324 Petaflops，利用了该机器总理论能力的 67% 以上。这种效率证明了该软件能够有效地利用现代硬件的原始速度，来解决以前无法触及的问题。

展望未来，作者认为经典的模拟将由其他新兴技术进行增强。他们建议可以使用人工智能，特别是深度神经网络，在模拟过程中做出决策，例如判断是一个复杂的计算需要从头开始执行，还是一个经过训练的网络可以提供足够准确的答案。他们还设想了一种混合方法，即量子计算机（基于量子力学原理运行）可以与经典超级计算机协同工作，以解决特定的问题，例如计算目前对于经典计算机来说过于困难的电子行为。虽然这些未来的应用仍处于规划阶段，但目前对 CP2K 的工作奠定了坚实的基础，确保该软件能够随着硬件的演进而进化，将艾级计算的承诺转化为理解物质世界的现实。

技术摘要：迈向百亿亿级（Exascale）时代的 CP2K

问题陈述
CP2K 程序包是一个多功能的工具，广泛用于从凝聚态物理到量子化学的原子模拟，目前正面临着向百亿亿级（exascale）时代扩展的挑战。尽管 CP2K 在并行可扩展性方面历来表现出色，但向百亿亿级计算的过渡需要解决三个特定的趋势：对大规模并行化（增加节点和线程数）的需求、GPU 的广泛采用，以及混合精度硬件加速器的兴起。核心计算瓶颈涉及高效处理大规模无轨道（orbital-free）和 Kohn–Sham 密度泛函理论（DFT）计算，以及基于波函数的相关方法（如 Hartree-Fock、MP2、RPA 和 GW）。具体而言，计算四中心二电子排斥积分（ERIs）以及求解包含数百万个原子的系统的特征值问题，需要能够保持随系统规模线性缩放、同时最小化同步开销并充分利用低精度算术的算法。

方法论
本文概述了为优化面向未来架构的 CP2K 而采取的多方面开发策略：

后 Hartree-Fock 方法的算法优化：
- 积分筛选： 为了将 ERIs 的缩放从 $O(N^4)$ 降低到 $O(N^2)$ 甚至线性缩放，作者采用了 Schwarz 不等式筛选和密度矩阵筛选。后者利用最大的密度矩阵元素 ( $P_{max}$ ) 来过滤积分，理想情况下使用第二代 Car-Parrinello 分子动力学（AIMD）中传播的密度矩阵。
- 近似方案： 实现依赖于辅助密度矩阵法（ADMM）和恒等解析（Resolution of Identity, RI）方法。ADMM 使用较小的辅助密度矩阵来近似精确的 Hartree-Fock 交换能，并在半局域 DFT 水平上修正差异。RI 将四中心积分分解为使用辅助高斯基组的 2 中心和 3 中心积分，该过程通过库仑度规的 Cholesky 分解进行计算。
- 线性缩放求解器： 代码利用矩阵符号函数 $sign(A) = A(A^2)^{-1/2}$ 来计算大型稀疏矩阵的逆和平方根。该函数也用于将 Kohn–Sham 矩阵纯化为密度矩阵 $P$ ，从而实现线性缩放的电子结构计算。
面向百亿亿级的架构适配：
- 并行与多线程： 在其 MPI 基础上，CP2K 集成了用于多线程的 OpenMP。为了防止来自归约（reductions）和原子访问冲突的瓶颈，作者开发了分布式块稀疏矩阵（Distributed Block-sparse Matrices, DBM）库，该库通过对线程进行矩阵块行的固定分配来消除同步需求。
- GPU 加速： 对 GPU 的支持在库层面实现（例如 DBM、COSMA、SpFFT、DBCSR）。作者指出，瓶颈已从寄存器堆约束转向主机与设备（host-to-device）之间的通信，并通过 GPU-aware MPI 来解决这一问题。
- 混合精度与子矩阵法： 为了利用能够在低精度下实现高 FLOPs 的硬件加速器（例如具有 FP32 累加功能的 FP16），作者引入了子矩阵法。该方法将在大规模分布式稀疏矩阵上评估矩阵函数的过程，转换为在许多小型稠密子矩阵上的并行评估。当与纯化方案结合使用时，这允许使用近似计算范式，其中数值误差通过改进的 Langevin 型方程进行补偿。

主要贡献与结果

先进方法的实现： 本文详细介绍了在后 HF 方法（HF、MP2、RPA、杂化/双杂化 DFT、GW）中实现任意边界条件的解析核梯度，这是精确有限温度模拟的前提条件。
可扩展性演示： 使用线性缩放方法和双 $\zeta$ 价层极化基组，作者展示了在 Cray XT5 上模拟包含多达一百万个原子的系统的能力。
突破性的性能表现： 通过将子矩阵法与纯化方案相结合，团队实现了在拥有超过 1 亿个原子的系统上进行记录规模的线性缩放电子结构计算。这一努力实现了 324 PFLOPs 的持续性能，且效率超过 67%。
软件生态系统： CP2K 的模块化结构利用现代 Fortran 2008，促进了独立库（如 DBCSR）的提取以及 GPU 加速库的集成，增强了代码对多样化硬件的适应性。

意义
本文将 CP2K 定位为“即将来临的百亿亿级时代”的关键工具。其重要性不仅在于其处理日益复杂和精确模拟的能力，还在于其对硬件趋势的战略性适配。通过成功地将子矩阵法与近似计算相结合，CP2K 解决了有效利用低精度硬件架构的挑战。此外，作者还概述了未来集成深度神经网络（DNN）用于“即时学习”（learning on-the-fly）方案，以及用于精确构型相互作用和约化密度矩阵泛函理论的混合量子-经典算法的路线图，这表明随着计算范式的演进，CP2K 将继续处于原子模拟方法论的前沿。

技术摘要：迈向百亿亿级（Exascale）时代的 CP2K

类似论文