S'abonner

Daubechies wavelets for high performance electronic structure calculations: The BigDFT project - 08/02/11

Doi : 10.1016/j.crme.2010.12.003 
Luigi Genovese a, , Brice Videau d, Matthieu Ospici b, c, d, Thierry Deutsch d, Stefan Goedecker e, Jean-François Méhaut b
a European Synchrotron Radiation Facility, 6, rue Horowitz, BP 220, 38043 Grenoble cedex, France 
b Université Joseph-Fourier, laboratoire d'informatique de Grenoble – INRIA, BP 53, 38041 Grenoble cedex 9, France 
c Bull SAS, 1, rue de Provence, 38130 Echirolles, France 
d Laboratoire de simulation atomistique (L_Sim), SP2M/INAC/CEA, 17, avenue des Martyrs, 38054 Grenoble cedex, France 
e Institut für Physik, Universität Basel, Klingelbergstr. 82, CH-4056 Basel, Switzerland 

Corresponding author.

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.

pages 16
Iconographies 0
Vidéos 0
Autres 0

Abstract

In this contribution we will describe in detail a Density Functional Theory method based on a Daubechies wavelets basis set, named BigDFT. We will see that, thanks to wavelet properties, this code shows high systematic convergence properties, very good performances and an excellent efficiency for parallel calculations. BigDFT code operation are also well-suited for GPU acceleration. We will discuss how the problematic of fruitfully benefit of this new technology can be match with the needs of robustness and flexibility of a complex code like BigDFT. This work may be of interest not only for expert in electronic structure calculations, but may also provide feedback to the wider community of high performance scientific computing.

Le texte complet de cet article est disponible en PDF.

Résumé

Dans cet article nous allons décrire en détail BigDFT, une mise en oeuvre de la Théorie de la Fonctionnelle de la Densité basée sur les ondelettes de Daubechies. Nous verrons que, grâce aux propriétés des ondelettes, ce code présente une bonne convergence systématique, de très bonnes performances et un excellent passage à l'échelle lors de calculs distribués. Les opérations constituantes de BigDFT sont également bien adaptée aux accélérateurs de type GPU. Nous analyserons comment bénéficier efficacement de cette nouvelle technologie tout en respectant les contraintes de robustesse et de flexibilité d'un programme de la complexité de BigDFT. Ce travail peut intéresser non seulement les experts en calcul des structures électroniques, mais également constituer un retour d'expérience pour la communauté plus large du calcul scientifique à hautes performances.

Le texte complet de cet article est disponible en PDF.

Keywords : Computer science, Density Functional Theory, Daubechies wavelets, BigDFT

Mots-clés : Informatique, Théorie de la Fonctionnelle de la Densité, Ondelettes de Daubechies, BigDFT


Plan

Plan indisponible

© 2010  Académie des sciences. Publié par Elsevier Masson SAS. Tous droits réservés.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

  • Contenu

Vol 339 - N° 2-3

P. 149-164 - février 2011 Retour au numéro
Article précédent Article précédent
  • Design of a massively parallel CFD code for complex geometries
  • Vincent Moureau, Pascale Domingo, Luc Vervisch
| Article suivant Article suivant
  • GPU computing for shallow water flow simulation based on finite volume schemes
  • Manuel J. Castro, Sergio Ortega, Marc de la Asunción, José M. Mantas, José M. Gallardo

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’achat d’article à l’unité est indisponible à l’heure actuelle.

Déjà abonné à cette revue ?

Mon compte


Plateformes Elsevier Masson

Déclaration CNIL

EM-CONSULTE.COM est déclaré à la CNIL, déclaration n° 1286925.

En application de la loi nº78-17 du 6 janvier 1978 relative à l'informatique, aux fichiers et aux libertés, vous disposez des droits d'opposition (art.26 de la loi), d'accès (art.34 à 38 de la loi), et de rectification (art.36 de la loi) des données vous concernant. Ainsi, vous pouvez exiger que soient rectifiées, complétées, clarifiées, mises à jour ou effacées les informations vous concernant qui sont inexactes, incomplètes, équivoques, périmées ou dont la collecte ou l'utilisation ou la conservation est interdite.
Les informations personnelles concernant les visiteurs de notre site, y compris leur identité, sont confidentielles.
Le responsable du site s'engage sur l'honneur à respecter les conditions légales de confidentialité applicables en France et à ne pas divulguer ces informations à des tiers.


Tout le contenu de ce site: Copyright © 2024 Elsevier, ses concédants de licence et ses contributeurs. Tout les droits sont réservés, y compris ceux relatifs à l'exploration de textes et de données, a la formation en IA et aux technologies similaires. Pour tout contenu en libre accès, les conditions de licence Creative Commons s'appliquent.