本文主要研究内容
作者陈富州,程晨,罗洪刚（2019）在《密度矩阵重正化群的异构并行优化》一文中研究指出：密度矩阵重正化群方法(DMRG)在求解一维强关联格点模型的基态时可以获得较高的精度,在应用于二维或准二维问题时,要达到类似的精度通常需要较大的计算量与存储空间.本文提出一种新的DMRG异构并行策略,可以同时发挥计算机中央处理器(CPU)和图形处理器(GPU)的计算性能.针对最耗时的哈密顿量对角化部分,实现了数据的分布式存储,并且给出了CPU和GPU之间的负载平衡策略.以费米Hubbard模型为例,测试了异构并行程序在不同DMRG保留状态数下的运行表现,并给出了相应的性能基准.应用于4腿梯子时,观测到了高温超导中常见的电荷密度条纹,此时保留状态数达到104,使用的GPU显存小于12 GB.
Abstract
mi du ju zhen chong zheng hua qun fang fa (DMRG)zai qiu jie yi wei jiang guan lian ge dian mo xing de ji tai shi ke yi huo de jiao gao de jing du ,zai ying yong yu er wei huo zhun er wei wen ti shi ,yao da dao lei shi de jing du tong chang xu yao jiao da de ji suan liang yu cun chu kong jian .ben wen di chu yi chong xin de DMRGyi gou bing hang ce lve ,ke yi tong shi fa hui ji suan ji zhong yang chu li qi (CPU)he tu xing chu li qi (GPU)de ji suan xing neng .zhen dui zui hao shi de ha mi du liang dui jiao hua bu fen ,shi xian le shu ju de fen bu shi cun chu ,bing ju gei chu le CPUhe GPUzhi jian de fu zai ping heng ce lve .yi fei mi Hubbardmo xing wei li ,ce shi le yi gou bing hang cheng xu zai bu tong DMRGbao liu zhuang tai shu xia de yun hang biao xian ,bing gei chu le xiang ying de xing neng ji zhun .ying yong yu 4tui ti zi shi ,guan ce dao le gao wen chao dao zhong chang jian de dian he mi du tiao wen ,ci shi bao liu zhuang tai shu da dao 104,shi yong de GPUxian cun xiao yu 12 GB.
论文参考文献
论文详细介绍
论文作者分别是来自物理学报的陈富州,程晨,罗洪刚，发表于刊物物理学报2019年12期论文，是一篇关于密度矩阵重正化群论文,强关联格点模型论文,异构并行论文,物理学报2019年12期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自物理学报2019年12期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：密度矩阵重正化群论文; 强关联格点模型论文; 异构并行论文; 物理学报2019年12期论文;