[pt] COMPUTAÇÃO DE ALTO DESEMPENHO COM PLACAS GRÁFICAS PARA ACELERAR O PROCESSAMENTO DA TEORIA DO FUNCIONAL DA DENSIDADE

[en] HIGH PERFORMANCE COMPUTING WITH GRAPHICS CARDS TO ACCELERATE PROCESSING DENSITY FUNCTIONAL THEORY

[pt] CLEOMAR PEREIRA DA SILVA

[pt] COMPUTACAO GRAFICA

[pt] UNIDADE DE PROCESSAMENTO GRAFICO

[pt] DENSIDADE

[pt] DESEMPENHO

[en] COMPUTER GRAPHICS

[en] DENSITY

[en] ACHIEVEMENT

[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.

MARCO AURELIO CAVALCANTI PACHECO

OMAR PARANAIBA VILELA NETO

MARCO AURELIO CAVALCANTI PACHECO

CRISTIANA BENTES

RICARDO CORDEIRO DE FARIAS

2010-11-26

2010-04-13

[pt] TEXTO

application/pdf

application/pdf

application/pdf

application/pdf

application/pdf

application/pdf

application/pdf

application/pdf

PORTUGUÊS

https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=16578@1

https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=16578@2

https://doi.org/10.17771/PUCRio.acad.16578