feram-0.24.00 is released!

強誘電体の 
マルチスケールシミュレーション 
http://loto.sourceforge.net/feram/
第一原理計算による有効ハミルトニアンHeffの構築

[T. Hashimoto, T. Nishimatsu et al.: Jpn. J. Appl. Phys. 43, 6785 (2004)]
feramによる分子動力学計算
ペロフスカイト型化合物を
双極子相互作用のある擬スピン系としてHeffを
時間発展させ，その有限温度の性質をシミュレート
大規模(> 100 nm), 長時間 (> 100 ns) の計算が可能
ペロブスカイト型
化合物ABX3
-100
-80
-60
-40
-20
0
20
40
60
80
100
200 300 400 500 600 700 800 900 1000
-40
-32
-24
-16
-8
0
8
16
24
32
40
∆Traw[K]
∆Tcorrected[K]
T [K]
0→400 kV/cm
0→200 kV/cm
0→0 kV/cm
200→0 kV/cm
400→0 kV/cm
相転移や
ドメイン構造，
ヒステリシスループ，
電気／弾性熱量効果
などのシミュレーション
PRL 99, 077601 (2007),
PRB 78, 104104 (2008),
PRB 82, 134106 (2010),
JPSJ 84, 024716 (2015), …
BaTiO3の相転移
電気／弾性熱量効果
ヒステリ
シスループ
１つの擬スピンが
ABO3の１ユニットセルに対応

(b) before: SoA ary(Lx,Ly,Lz,3)
CPU Chip
cores
memctrl
Slot 0
CPU Chip
cores
memctrl
Slot 1
inter connect
DRAM DRAM
(a) NUMA (Non-Uniform Memory Access)
(c) after: AoS ary(3,Lx,Ly,Lz)
far in the memory, difficult to access in the same time
close in the memory, easy to access in the same time
(d) padding: ary(3,2*(Lx/2+1),Ly+1,Lz)
for in-place real↔complex FFT padding to avoid
bank conflicts0.24.00で一部の配列をin-place化。

in-place and out-of-place FFT
}  in-place
◦  FFTの元と先の配列が同じ。
◦  real⇄complexの場合、配列の確保が少し面倒。Fortran
の場合、C_PTRを駆使するとrealとcomplexの２つの別の
配列のようにアクセスができる。
◦  メモリ使用量を削減できる。feramの0.23.02→0.24.00の
in-place化などで64x64x1024なら3.13GB→2.73GB と
(3+6)x33x65x1024x16≒316MB 以上削減。
l  out-of-place
}  FFTの元と先の配列が異なる。
}  real⇄complexの場合、それぞれN, N/2+1と、配列の大きさが
異なっていてもよい。コードはシンプル。
}  メモリ使用量が多くなる。
u  FFTWなら計算速度はほぼ同じ。

新旧バージョンを比較
feram 
version
¼ node of
SR16000#
(Power7) 
8 core
3.83 GHz
1 node of
SR16000#
(Power7) 
32 core
3.83 GHz
1 chip of 
Xeon 
X5650 
6 core
2.66 GHz
2 chip of 
Xeon 
X5650 
12 core 
2.66 GHz
1 chip of
Xeon 
E5-2680 
v3 12 core
2.87* GHz
2 chip 
of Xeon
E5-2680 
v3 24 core
2.87@ GHz
TDP
250 W
1000 W
95 W
190 W
120 W
240 W
0.22.06
2818 sec
1023 sec
6361 sec
3716 sec
2093 sec
1686 sec
0.23.01
1980 sec
601 sec
0.23.02
1866 sec
557 sec
2072 sec
1731 sec
0.24.00
1819 sec
553 sec
5663 sec
3179 sec
2050 sec
1650 sec
input file: 64x64x1024.feram, 8,200 MD steps, padding_y=1
並列化率が改善
2011年のSandy Bridge
以降並列化率がよくない
# SR16000ではスレッドをコアにバインドするなど工夫が必要
* turbostatコマンドでTurbo Boostの周波数を実測
@ 24 coreで実行中はヒマにしているcoreもある
高
速
化

SMT, HTはoff

}  gfortran -fopenmp -ffree-form -c cufft_module.f 
　　　　　　　　　　　　　　（cuFFTライブラリのAPIへのinterfaceが書いてある）
}  gfortran -fopenmp -ffree-form -c cufft_check.F
}  gfortran -fopenmp -o cufft_check cufft_check.o cufft_module.o
-L/usr/local/cuda/lib64 -lcublas -lcufft –lcudart
}  ./cufft_check 100 64 64 1024 
100 64 64 1024 4194304 0.551 秒 83.734 GFLOPS 
100 64 64 1024 4194304 3.056 秒 45.292 GFLOPS ←遅い
}  ./cufft_check 100 128 128 1024 
100 128 128 1024 16777216 2.114 秒 95.235 GFLOPS 
100 128 128 1024 16777216 11.891 秒 50.793 GFLOPS ←遅い
GPU （CUDA#, cuFFT, cuBLAS, Fortranだけで） 
だとFFTが２倍遅くなってしまった with K20X*
# CUDA 5.5を使用。CUDA 7でも速くはなっていない。
* K20XのTDPは235 W。

feram-0.24.00 is released!

More Related Content

What's hot (8)

Viewers also liked (7)

Similar to feram-0.24.00 is released! (10)

feram-0.24.00 is released!