[논문 리뷰] The Python-based Simulations of Chemistry Framework (PySCF)

Qiming Sun, Timothy C. Berkelbach외 10명|arXiv (Cornell University)|2017. 01. 27.

Machine Learning in Materials Science참고 문헌 46인용 수 23

한 줄 요약

PySCF는 주로 Python으로 구현된 고성능이고 오픈소스인 전자구조 프레임워크로, 핵심 기능은 C로 작성되어 있어 분자의 및 물질의 아보지트로 시뮬레이션을 효율적이고 확장 가능하게 구현한다. 전통적인 포트란/C 코드 수준의 경쟁성 있는 성능를 달성하면서도 코드의 단순성, 확장성, 플러그인 및 MPI 기반 병렬 처리를 통한 고급 기능의 원활한 통합을 중시한다.

ABSTRACT

PySCF is a general-purpose electronic structure platform designed from the ground up to emphasize code simplicity, both to aid new method development, as well as for flexibility in computational workflow. The package provides a wide range of tools to support simulations of finite size systems, extended systems with periodic boundary conditions, low dimensional periodic systems, and custom Hamiltonians, using mean-field and post-mean-field methods with standard Gaussian basis functions. To ensure easy of extensibility, PySCF uses the Python language to implement almost all its features, while computationally critical paths are implemented with heavily optimized C routines. Using this combined Python/C implementation, the package is as efficient as the best existing C or Fortran based quantum chemistry programs. In this paper we document the capabilities and design philosophy of the current version of the PySCF package.

연구 동기 및 목표

• Python을 주요 구현 언어로 사용하여 유연하고 확장 가능하며 효율적인 전자구조 플랫폼을 개발하기 위해.
• 양자화학 계산에서 순수 Python의 성능 한계를 극복하기 위해 계산적으로 집약적인 연산에 대해 최적화된 C 루틴을 통합하기 위해.
• 깨끗하고 읽기 쉬우며 모듈화된 코드베이스를 통해 빠른 방법 개발 및 워크플로우 커스터마이제이션을 가능하게 하기 위해.
• 유한체계 및 무한체계 모두에 대해 평균장, 후 허트리-폭, DFT, 쌍결합 클러스터 등의 전자구조 방법을 포함한 광범위한 방법을 지원하기 위해.
• 핵심 코드의 명확성을 해치지 않으면서도 대칭성, 상대론적 보정, 용매 효과 등의 고급 기능을 플러그인 아키텍처를 통해 원활하게 통합하기 위해.

제안 방법

• 가독성과 확장성을 위해 거의 모든 고수준 기능을 Python으로 구현하면서도, 성능에 민감한 핵심 모듈(예: 적분 평가, SCF 루프)은 최적화된 C 코드로 이관하기 위해.
• NumPy, SciPy, MPI4Py와 같은 Python의 풍부한 과학 계산 생태계를 활용하여 전통적인 컴파일된 양자화학 코드 수준의 성능를 달성하기 위해.
• 플러그인 기반 아키텍처를 설계하여 대칭성, 밀도 피팅, 궤도 최적화 등의 고급 기능을 핵심 알고리즘을 수정하지 않고도 별도로 추가할 수 있도록 하기 위해.
• 마스터 프로세스가 함수와 데이터를 원격 Python 데몬에 전송하는 새로운 MPI 설계를 통해 병렬 계산을 가능하게 하여, 순차적 실행에서 병렬 실행으로의 전환을 투명하게 만들기 위해.
• 표준 가우시안 기저함수와 주기적 경계 조건을 사용하여 SCF, MCSCF, DFT, CCSD, EOM-CC와 같은 다양한 전자구조 방법을 지원하기 위해.
• 적분, 웨이브패킷, 해밀토니안을 조작하기 위한 간단하고 일관된 API를 제공하여 복잡한 워크플로우 및 맞춤형 방법 개발에의 통합을 용이하게 하기 위해.

실험 결과

연구 질문

• RQ1 주로 Python으로 작성된 양자화학 프레임워크가 최적화된 C/Fortran 코드 수준의 성능를 달성하면서도 높은 확장성을 유지할 수 있는가?
• RQ2 핵심 알고리즘의 복잡성을 증가시키지 않으면서도 고급 전자구조 기능(예: 대칭성, 밀도 피팅, 상대론적 보정)을 독립적으로 지원할 수 있는 모듈러 플러그인 아키텍처를 어떻게 설계할 수 있는가?
• RQ3 Python에서 MPI 기반 병렬 처리를 얼마나 잘 추상화할 수 있는가? 이를 통해 순차적 실행에서 병렬 실행으로의 전환을 최소한의 코드 변경으로 원활하게 수행할 수 있는가?
• RQ4 NumPy, SciPy, MPI4Py 등의 Python 기반 과학 계산 라이브러리를 얼마나 효과적으로 활용하여 분자의 및 주기적 체계에 대한 고성능 전자구조 방법을 구현할 수 있는가?
• RQ5 통일된 소프트웨어 설계에서 평균장에서 후 허트리-폭에 이르기까지 다양한 전자구조 방법을 하나의 일관된 프레임워크에서 지원할 수 있는가?

주요 결과

• PySCF는 전반적으로 Python으로 작성되었음에도 불구하고 전략적 C 커널 최적화 덕분에 기존 최고 수준의 C/Fortran 양자화학 프로그램과 경쟁 가능한 성능를 달성한다.
• 플러그인 아키텍처는 고급 기능(예: 상대론적 보정, 대칭성, 용매 효과)을 핵심 알고리즘에서 분리하여 별도의 개발, 테스트, 조합이 가능하게 하여 성공적으로 기능한다.
• MPI 설계 덕분에 사용자는 순차적 모드로 코드를 작성하고도 최소한의 변경으로 병렬 실행으로 전환할 수 있으며, 함수와 데이터를 원격 데몬에 전송함으로써 병렬 프로그래밍의 복잡성을 크게 줄였다.
• 프레임워크는 분자의 유한체계 및 주기적 체계 모두에 대해 허트리-폭, DFT, 쌍결합 클러스터, 다중구성 SCF 등의 다양한 전자구조 방법을 지원한다.
• 고수준 논리에 Python을, 수치 연산에는 NumPy/SciPy를 사용함으로써 성능 효율성을 포기하지 않은 채 빠른 프로토타이핑과 방법 개발이 가능해졌다.
• 프레임워크는 주기적 쌍결합 클러스터 및 밀도 행렬 임bedding 이론과 같은 고급 방법의 구현과 확장에 성공적으로 활용되어, 그 유연성과 확장성의 우수성을 입증했다.