基于图的半经验量子化学计算，采用GPU加速

《Journal of Chemical Theory and Computation》：GPU-Accelerated Graph-Based Semiempirical Quantum Chemistry

基于图基的电子结构理论结合SEDACS与PySEQM，利用GPU加速实现分布式计算，显著提升大规模原子系统模拟效率，降低成本，并分析并行性能及计算精度。

　　

基于图的电子结构理论提供了一种可扩展的方法，用于利用分布式和混合计算平台研究大型、复杂的原子系统。我们展示了如何将基于图的线性缩放电子结构理论（该理论在Scalable Ecosystem、Driver和Analyzer for Complex Chemistry Simulations（SEDACS）中实现）与PySEQM代码中实现的半经验量子化学方法相结合，并利用图形处理单元（GPU）进行加速。这种强大的组合使得在多个节点上进行高效的、可扩展的电子结构计算成为可能，显著降低了计算成本，同时自然地利用了并行性。文章提供了关于并行化效率、计算精度和通信开销的详细分析，表明对于包含多达10,000个原子的系统，计算速度可以提高一个数量级。