量子力学计算的实现方法和装置制造方法及图纸

本发明专利技术公开了一种量子力学计算的实现方法和装置，该方法包括：接收用户通过图形化界面输入的计算任务；将计算任务中需要计算的数据分配给图形处理器GPU和中央处理器CPU；GPU和CPU根据量子力学的计算方法，对各自分配到的需要计算的数据进行量子力学计算。本发明专利技术通过提供可视化界面方便用户输入任务，并将分配的任务交由CPU和GPU共同完成，实现了计算系统的异构，并且能够有效提高计算的速度，使量子力学的计算方案得到有效完善。

【技术实现步骤摘要】

本专利技术涉及计算机领域，并且特别地，涉及一种量子力学计算的实现方法和装置。
技术介绍
目前，量子力学(简称为QM)计算需求非常巨大，在T0P500排行中的高性能计算机很多都从事量子力学相关的计算。量子力学模拟计算可以解决生物、物理、化学等基础学科在理论研究时所遇到的各种问题，可以代替传统的实验方法，使研究人员更加高效、准确的了解研究对象的本质信息。随着计算复杂性的不断提高，人们寻找了很多可以提升计算性能的方法，其中就包括采用各种加速器进行加速的方法。在目前的量子力学应用系统中，有的系统运算速度不够快，有的系统可操作性较差，因此，目前所提供的量子力学计算方案并不够完善，但是，对此，目前尚未提出有效的解决方案。
技术实现思路
针对相关技术中量子力学计算方案不够完善的问题，本专利技术提出一种量子力学计算的实现方法和装置，能够方便用户的操作，并且提高计算的速度。本专利技术的技术方案是这样实现的:根据本专利技术的一个方面，提供了一种量子力学计算的实现方法。该方法包括:接收用户通过图形化界面输入的计算任务；将计算任务中需要计算的数据分配给图形处理器GPU和中央处理器CPU ；GPU和CPU根据量子力学的计算方法，对各自分配到的需要计算的数据进行量子力学计算。其中，将需要计算的数据分配给GPU和CPU包括:根据GPU和CPU的处理能力，对GPU和CPU分别分配需要处理的数据。并且，将需要计算的数据分配给GPU和CPU包括:将需要计算的数据分批次分配给GPU 和 CPU。该方法可进一步包括:在GPU和CPU进行量子力学计算的过程中，根据GPU和CPU的处理能力的变化情况，动态调整每批次对GPU和CPU分配的需要计算的数据量。并且，在首次分配需要计算的数据给GPU和CPU的情况下，该方法进一步包括:通过应用程序编程接口 API获取GPU的标称处理能力。此外，CPU的数量可以为至少一个；GPU的数量可以为至少一个。根据本专利技术的另一方面，提供了一种量子力学计算的实现装置。该装置包括:至少一个CPU ;至少一个GPU ;界面提供模块，用于提供图形化界面，并接收用户通过图形化界面输入的计算任务；分配模块，用于将计算任务中需要计算的数据分配给GPU和CPU;并且，GPU和CPU用于根据量子力学的计算方法，对各自分配到的需要计算的数据进行量子力学计算。并且，分配模块进一步用于根据GPU和CPU的处理能力，对GPU和CPU分别分配需要处理的数据。并且，分配模块进一步用于将需要计算的数据分批次分配给GPU和CPU。进一步地，分配模块进一步用于在GPU和CPU进行量子力学计算的过程中，根据GPU和CPU的处理能力的变化情况，动态调整每批次对GPU和CPU分配的需要计算的数据量。本专利技术通过提供可视化界面方便用户输入任务，并将分配的任务交由CPU和GPU共同完成，实现了计算系统的异构，并且能够有效提高计算的速度，使量子力学的计算方案得到有效完善。附图说明图1是根据本专利技术实施例的量子力学计算的实现方法的流程图；图2是根据本专利技术实施例的量子力学计算的实现装置的框图。具体实施例方式根据本专利技术的实施例，提供了一种量子力学计算的实现方法。如图1所示，根据本专利技术实施例的量子力学计算的实现方法包括:步骤S101，接收用户通过图形化界面输入的计算任务；步骤S103，将计算任务中需要计算的数据分配给图形处理器(GraphicProcessing Unit,简称为GPU)和中央处理器(简称为CPU)；步骤S105，GPU和CPU根据量子力学的计算方法，对各自分配到的需要计算的数据进行量子力学计算。其中，在将需要计算的数据分配给GPU和CPU时，可以根据GPU和CPU的处理能力，对GPU和CPU分别分配需要处理的数据。由于量子力学计算中通常需要计算的数据量较大，因此可以将需要计算的数据分批次分配给GPU和CPU。优选地，由于处理器在运行过程中，其性能会出现一定的波动，因此，在GPU和CPU进行量子力学计算的过程中，可以根据GPU和CPU的处理能力的变化情况，动态调整每批次对GPU和CPU分配的需要计算的数据量。这样就能够保证在各个时间都对GPU和CPU分配合理的任务量。另外，由于GPU的处理能力并不会像CPU的处理能力一样能够被直观地显示出来，所以，在首次分配需要计算的数据给GPU和CPU的情况下，可以通过应用程序编程接口 API获取GPU的标称处理能力，从而了解GPU的处理能力，为待计算数据的分配提供参照。在进行计算时，采用的CPU的数量可以为至少一个，采用的GPU的数量同样为至少一个，并且参与计算的CPU和GPU各自的数量可以根据实际需要而调整，必要时，也可以停止全部CPU或GPU进行量子力学计算。此外，在CPU的数量为多个的情况下，可以根据每个CPU的处理能力进行数据分配和分配数据量的动态调整，也可以将这些CPU作为整体进行考虑，对于GPU同样可以采用类似的方式进行数据分配和分配量调整。本专利技术考虑到GPU是一种加速器，并且相比于CPU对GPU的性能进行计算，发现在部分量子力学应用中，GPU计算性能提升了 10 100倍。但是在某些量子力学应用中，无法使用GPU进行加速，只能采用CPU进行计算。因此，最合理的方式是采用CPU+GPU异构计算的方式，让不同的处理器处理各自擅长的任务。因此，上述方案能够有效加快计算的速度，提高效率。此外，对于大部分研究人员来说，面对命令行的集群操作界面，通常需要一段时间的学习才能熟练掌握使用方式，之后才能够使用高性能的计算机，而本申请通过提供具有可视化的使用界面，将能够极大的提升用户的使用体验，方便用户对计算机进行操作。例如，在实际应用中，本专利技术的方案可以支持以Terachem为基础的量子力学计算软件，支持CPU/GPU异构计算，支持Intel/AMD的CPU与Nvidia (或ATI等)的GPU同时进行异构计算。此外，本专利技术可以提供基于B/S架构的可视化图形处理界面，使用人员只需要通过浏览器，就可以将计算任务提交到异构的高性能计算机上。在具体的作业过程中，本专利技术的方案可以支持量子力学在异构环境下的作业调度，实现以下功能:异构设备资源自动感知、支持多异构设备计算、支持FIFO、资源预留、Backfill、抢占式等调度策略、支持MPI/PVM，批处理/交互式等作业类型、支持多队列管理、支持程序应用模板定制、以及支持丰富的报表记账功能等，本文不再一一列举。本专利技术还能够实现量子力学计算的门户网站，通过Simu-pack图形界面完成应用数据准备等前处理功能及数据结果收集、整理等后处理功能。根据本专利技术的实施例，还提供了 一种量子力学计算的实现装置。如图2所示，根据本专利技术实施例的量子力学计算的实现装置包括:至少一个CPU 21 ；至少一个GPU 22 (出于清楚的目的，图2中仅示出了一个CPU和一个GPU，实际上，CPU和GPU的数量可以为多个，本文不再——示出)；界面提供模块23，用于提供图形化界面，并接收用户通过图形化界面输入的计算任务；分配模块24，连接至CPU 21、GPU 22和界面提供模块23，用于将计算任务中需要计算的数据分配给GPU 22和CPU 21 ；并且，GPU和CPU用于根据量子力学的计算方法，对各自分配到的需要计算的本文档来自技高网...

【技术保护点】
一种量子力学计算的实现方法，其特征在于，包括：接收用户通过图形化界面输入的计算任务；将所述计算任务中需要计算的数据分配给图形处理器GPU和中央处理器CPU；所述GPU和所述CPU根据量子力学的计算方法，对各自分配到的所述需要计算的数据进行量子力学计算。

【技术特征摘要】
1.一种量子力学计算的实现方法，其特征在于，包括: 接收用户通过图形化界面输入的计算任务； 将所述计算任务中需要计算的数据分配给图形处理器GPU和中央处理器CPU ； 所述GPU和所述CPU根据量子力学的计算方法，对各自分配到的所述需要计算的数据进行量子力学计算。2.根据权利要求1所述的实现方法，其特征在于，将需要计算的数据分配给GPU和CPU包括: 根据所述GPU和所述CPU的处理能力，对所述GPU和所述CPU分别分配需要处理的数据。3.根据权利要求2所述的实现方法，其特征在于，将需要计算的数据分配给GPU和CPU包括: 将需要计算的数据分批次分配给所述GPU和所述CPU。4.根据权利要求3所述的实现方法，其特征在于，进一步包括: 在所述GPU和所述CPU进行量子力学计算的过程中，根据所述GPU和所述CPU的处理能力的变化情况，动态调整每批次对所述GPU和所述CPU分配的需要计算的数据量。5.根据权利要求4所述的实现方法，其特征在于，在首次分配需要计算的数据给所述GPU和所述CPU的情况下，所述方法进一步包括: 通过应用程序编程接口 API获取所述GPU的标称处理...

【专利技术属性】
技术研发人员：何牧君，何沧平，马少杰，陈伟，占杰，李斌，吴宏文，顾小宝，曹征，
申请(专利权)人：曙光信息产业股份有限公司，
类型：发明
国别省市：