- Алгоритм матричного покрытия с ускорением на графическом процессоре для декомпозиции макета множественного паттерна (arXiv)
Автор: Гоцзинь Чен, Хаоюй Ян, Бэй Юй.
Аннотация: Литография с множественным структурированием (MPL) считается одним из наиболее многообещающих способов преодоления ограничений разрешения традиционной оптической литографии из-за задержки технологии литографии следующего поколения. Поскольку размер элемента продолжает уменьшаться, декомпозиция компоновки для технологии множественной литографии (MPLD) становится все более важной для повышения технологичности усовершенствованных узлов. Процесс декомпозиции относится к назначению элементов макета разным слоям маски в соответствии с правилами проектирования и требованиями плотности. Когда количество масок k ≥ 3, задачи MPLD являются NP-сложными и, таким образом, могут страдать от накладных расходов времени выполнения для практических проектов. Однако количество шаблонов макетов в промышленных макетах растет экспоненциально, что снижает производительность моделей MPLD во время выполнения. В этом исследовании мы заменяем структуру данных танцевальной связи ЦП параллельными матричными операциями графического процессора, чтобы ускорить решение для алгоритмов MPLD на основе точных покрытий. Экспериментальные результаты показывают, что наша система способна к полномасштабной, молниеносной декомпозиции макета, что может обеспечить ускорение более чем в 10 раз без ухудшения качества по сравнению с современным методом декомпозиции макета.
2. Распределенная память, построение Фока с ускорением на графическом процессоре для гибридной, гауссовой базовой плотности функциональной теории (arXiv)
Автор : Дэвид Б. Уильямс-Янг, Андрей Асадчев, Дору Том Поповичи, Дэвид Кларк, Джонатан Уолдроп, Тереза Виндус, Эдвард Ф. Валеев, Вайб А. де Йонг. »
Аннотация: В связи с растущей зависимостью современных суперкомпьютеров от архитектур на основе ускорителей, таких как графические процессоры, разработка и оптимизация методов электронной структуры для использования этих массивно параллельных ресурсов стала недавним приоритетом. Хотя были достигнуты значительные успехи в разработке алгоритмов распределенной памяти с ускорением на GPU для многих тел (например, связанных кластеров) и спектральных одиночных тел (например, теория плоских волн, реального пространства и конечно-элементной теории функционала плотности [DFT]), подавляющее большинство гауссовских атомно-орбитальных методов с ускорением на графическом процессоре были сосредоточены на системах с общей памятью, и лишь несколько примеров используют массовый параллелизм в архитектурах графических процессоров с распределенной памятью. В настоящей работе мы представляем набор алгоритмов с распределенной памятью для вычисления кулоновских матриц и матриц точного обмена для гибридного ДПФ Кона-Шэма с гауссовскими базисными наборами с помощью прямого подбора плотности (DF-J-Engine) и получислового (sn -К) методы соответственно. Абсолютная производительность и высокая масштабируемость разработанных методов продемонстрированы на системах от нескольких сотен до более тысячи атомов с использованием до 128 графических процессоров NVIDIA A100 на суперкомпьютере Perlmutter.
