Return to search

[en] HIGH PERFORMANCE COMPUTING WITH GRAPHICS CARDS TO ACCELERATE PROCESSING DENSITY FUNCTIONAL THEORY / [pt] COMPUTAÇÃO DE ALTO DESEMPENHO COM PLACAS GRÁFICAS PARA ACELERAR O PROCESSAMENTO DA TEORIA DO FUNCIONAL DA DENSIDADE

[pt] As Unidades de Processamento Gráfico (GPUs), ou Placas Gráficas, são
processadores que foram originalmente projetados para executar tarefas dedicadas
às operações da computação gráfica. Porém, a NVIDIA desenvolveu uma
extensão da linguagem C para programação de GPUs, chamada CUDA (Compute
Unified Device Architecture). Isto permitiu utilizá-las, na Computação de Alto
Desempenho, para processar dados genéricos. Já os sistemas físicos estudados
pela Mecânica Quântica apresentam dimensões próximas da escala atômica, tais
como moléculas, átomos, prótons e elétrons. A Teoria do Funcional da Densidade
(DFT) é um dos métodos iterativos mais usados para encontrar uma solução
aproximada para a equação de Schrödinger. Contudo, os cálculos realizados em
DFT são computacionalmente intensos devido às integrais de troca e correlação
eletrônica, integrais para o cálculo da energia de Hartree e energia cinética dos
elétrons, as quais requerem maior esforço computacional à medida que o número
de elétrons presentes na simulação aumenta. Esta pesquisa teve como objetivo
estudar os cálculos do DFT e identificar partes do algoritmo que, se alteradas,
apresentassem benefícios de desempenho ao serem executadas em GPU. Assim,
funções computacionalmente intensas do método DFT do SIESTA (Spanish
Initiative for Electronic Simulations with Thousands of Atoms) foram
paralelizadas e usadas para calcular propriedades físicas de nanotubos e fulerenos.
Verificou-se que a execução da versão paralela do SIESTA para GPU é capaz de
atingir ganhos em desempenho, em funções individuais, de uma ou até duas
ordens de grandeza, tornando promissor o emprego de GPUs em acelerar o
processamento da Teoria do Funcional da Densidade. / [en] The graphics processing units (GPUs), or graphics cards, are processors that
were originally designed to perform dedicated tasks to the computer graphics
operations. However, NVIDIA has developed an extension of the C language for
programming GPUs, called CUDA (Compute Unified Device Architecture). This
allowed the use of GPUs, in High Performance Computing, for processing generic
data. The physical systems studied by quantum mechanics have dimensions close
to atomic scale, such as molecules, atoms, protons and electrons. The Density
Functional Theory (DFT) is one of the most used interactive methods to find an
approximated solution to the Schrödinger equation. However, the calculations in
DFT are computationally intensive because of the exchange and correlation
electronic integrals, integrals to calculate the Hartree energy and electrons kinetic
energy, which requires greater computational effort as the number of electrons
present in the simulation increases. This research aimed to study the DFT
calculations and identify parts of the algorithm that, if changed, experience
performance benefits from execution in GPU. Thus, computationally intensive
DFT functions of the SIESTA method (Spanish Initiative for Electronic
Simulations with Thousands of Atoms) were parallelized and used to calculate the
physical properties of nanotubes and fullerenes. It was found that the
implementation of SIESTA parallel version on the GPU is able to achieve gains in
performance, in individual functions, of one or even two orders of magnitude,
making it promising employment of GPUs to speed up the processing of Density
Functional Theory.

Identiferoai:union.ndltd.org:puc-rio.br/oai:MAXWELL.puc-rio.br:16578
Date26 November 2010
CreatorsCLEOMAR PEREIRA DA SILVA
ContributorsMARCO AURÉLIO CAVALCANTI PACHECO
PublisherMAXWELL
Source SetsPUC Rio
LanguagePortuguese
Detected LanguagePortuguese
TypeTEXTO

Page generated in 0.002 seconds