量子化学密度矩阵重正化群关键算子并行优化OA

多核过渡金属化合物(如固氮酶中的铁硫簇)因其复杂的电子结构,对当代量子化学方法构成了严峻挑战。为此,本文提出了一种基于中央处理器-图形处理器(central processing unit-graphics processing unit,CPU-GPU)异构计算平台的优化方案,旨在提升密度矩阵重正化群(density matrix renormalization group,DMRG)算法的计算效率。其核心理念在于,通过异构计算优化DMRG中最耗时的关键算符,即对角化(diagonalization)和重正化(renormalization),从而显著提升整体性能。这一挑战的关键不仅在于计算速度的提升,更在于如何巧妙分解这些算符的计算负载并实现高效的资源分配。为此,本文设计了一套多层次优化策略:利用GPU上的层次化批量矩阵乘法,辅以高级精简指令集机器CPU上针对不规则矩阵乘法的并行优化,充分挖掘了CPU-GPU异构系统的计算潜能。实验结果显示,相较于我们先前的研究,DMRG的综合性能实现了11%~83%的提升。这一进步不仅验证了CPU-GPU协同计算在处理DMRG算法时的优越性能,也为量子化学领域的高性能计算开辟了新的路径。