[논문 리뷰] Stochastic evaluation of four-component relativistic second-order many-body perturbation energies: A potentially quadratic-scaling correlation method

Julio César Cruz, Jorge Garza외 2명|arXiv (Cornell University)|2022. 03. 10.

Nuclear physics research studies참고 문헌 101인용 수 2

한 줄 요약

이 논문은 실시간 및 허수시간에서 몬테카를로 적분을 통해 계산 비용이 높은 네 인덱스 적분 변환을 피하는 확률적, 4성분 상대론적 2차 다체 섭동(MP2) 방법을 소개한다. 이 방법은 시스템 크기와 함께 잠재적으로 2차 스텝(О(n²))로 스케일링되며, 기존의 О(n⁵) 스케일링에 비해 크게 향상되며, 높은 정확도를 유지하면서도 4096개 프로세서에서 92%의 강한 스케일러빌리티를 실현한다.

ABSTRACT

A second-order many-body perturbation correction to the relativistic Dirac-Hartree-Fock energy is evaluated stochastically by integrating 13-dimensional products of four-component spinors and Coulomb potentials. The integration in the real space of electron coordinates is carried out by the Monte Carlo (MC) method with the Metropolis sampling, whereas the MC integration in the imaginary-time domain is performed by the inverse-CDF (cumulative distribution function) method. The computational cost to reach a given relative statistical error for spatially compact but heavy molecules is observed to be no worse than cubic and possibly quadratic with the number of electrons or basis functions. This is a vast improvement over the quintic scaling of the conventional, deterministic second-order many-body perturbation method. The algorithm is also easily and efficiently parallelized with demonstrated 92% strong scalability going from 64 to 4096 processors for a fixed job size.

연구 동기 및 목표

• 강한 전자 상관 및 상대론적 효과를 갖는 중금속 화합물에 적합한 확장 가능한 전자상관 방법을 개발하기 위해.
• 기존의 4성분 상대론적 MP2에서 발생하는 О(n⁵) 계산 블로킹 문제를 해결하기 위해 네 인덱스 적분 변환을 제거하기 위해.
• 확률적 적분이 국소 상관 방법이 실패하는 공간적으로 밀집된 중금속 시스템에서 스케일링을 감소시킬 수 있는가를 입증하기 위해.
• 고성능 계산 환경을 활용해 다수의 전자와 기저 함수를 포함하는 시스템에서 대규모 상대론적 상관 계산을 가능하게 하기 위해.

제안 방법

• 4성분 스핀오르빗 및 쿨롱 포텐셜을 포함하는 13차원 적분을 몬테카를로(MC) 적분을 통해 확률적으로 평가한다.
• 실공간 전자 좌표 적분에는 메트로폴리스 샘플링을, 허수시간 적분에는 역누적분포함수(CDF) 샘플링을 사용한다.
• 정적 네 인덱스 적분 변환을 확률적 샘플링으로 대체하여 큰 적분의 저장 및 변환을 피한다.
• 독립적인 몬테카를로 샘플링의 본질적 병렬성에 기반해 수천 개의 프로세서에 효율적으로 분배할 수 있다.
• 통계적 오차를 감소시키고 수렴을 향상시키기 위해 가중치 함수를 활용한 중요도 샘플링을 사용한다.
• 상대론적 효과를 초보 단계부터 포함하기 위해 디랙-하트리-폭스 기반 방법과 통합한다.

실험 결과

연구 질문

• RQ1 확률적 적분을 통해 4성분 상대론적 MP2의 스케일링을 О(n⁵)에서 삼차 이하로 낮출 수 있는가?
• RQ2 공간적으로 밀집된 중금속 분자에서 확률적 접근이 상당히 감소된 계산 비용을 유지하면서도 정확도를 유지할 수 있는가?
• RQ3 수천 개의 CPU 또는 GPU와 같은 대규모 병렬 아키텍처에서 이 방법이 효율적으로 스케일링될 수 있는가?
• RQ4 다양한 시스템 크기와 기저 함수 크기에서 통계적 오차가 제어 가능하고 예측 가능할 수 있는가?
• RQ5 국소 상관 근사가 실패하는 시스템, 예를 들어 란타니드 및 アكت니드에 이 방법을 적용할 수 있는가?

주요 결과

• 계산 비용은 전자 수나 기저 함수 수에 따라 삼차 이하로 스케일링되며, 잠재적으로 О(n²)까지 낮아지며 기존의 О(n⁵) MP2에 비해 근본적인 향상이 이루어졌다.
• 64에서 4096개 프로세서로 확장할 때 92%의 강한 스케일러빌리티를 달성하여 뛰어난 병렬 효율성을 보였다.
• 통계적 오차는 제어 가능하며 샘플링을 늘릴수록 감소하여 고정밀 결과를 도출할 수 있었다.
• 확률적 접근법은 네 인덱스 적분의 저장 및 변환 필요성을 성공적으로 피함으로써 상대론적 상관 계산의 주요 블로킹 요소를 제거했다.
• 기존의 국소 상관 방법이 실패하는 공간적으로 밀집된 중금속 시스템, 예를 들어 아크티늄 계열 및 란타니드 계열에 대해서도 이 방법이 적용 가능했다.
• 수치적 증거는 이 방법이 결정론적 방법에 비해 상당히 감소된 계산 비용으로도 높은 정확도를 달성할 수 있음을 지지한다.