字节跳动研发并开源了基于gpu加速的大规模量子化学计算工具集byteqc，显著提升了量子化学计算效率。该工具集在现代gpu上高效实现了多种标准量子化学算法，并结合量子嵌入方法，在保持高精度的前提下，大幅扩展了可计算体系的规模。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
- 论文链接：https://www.php.cn/link/f0a94cc746c82ccf258040d541a2e15e
- 代码链接：https://www.php.cn/link/82f2307042ab867c7b3d7d6a32ea52af
ByteQC的核心优势在于其高效的GPU实现和创新的算法策略。通过引入NVIDIA的cuTENSR/cuTENSORMG张量计算库，并优化缓存及原位操作，ByteQC最大限度地减少了显存占用，并提升了计算速度。针对GPU架构特点，ByteQC团队还开发了基于warp特例化的动态生产者-消费者模型和基于warp同步原语的竞态求和算法，有效解决了复杂计算逻辑的GPU实现难题。
图1. ByteQC软件架构
图2. 基于warp特例化的生产者-消费者模型
图3. 基于warp同步原语的相邻7个线程的竞态求和
基准测试结果显示，ByteQC在单A100 GPU上，标准量子化学算法最高可实现60倍于100核CPU的加速，且多卡扩展性良好。可计算体系规模也显著提升，例如CCSD(T)计算可达1380轨道，MP2计算可达11040轨道，平均场计算甚至可超过10万轨道。
图4. ByteQC的子模块加速比（数据点）和计算规模（虚线）
结合量子嵌入方法，ByteQC成功实现了对2753轨道水团簇和3929轨道氮化硼表面水吸附体系的CCSD(T)高精度计算，验证了其在真实材料计算中的应用潜力。
图5. （左）水团簇结构和（右）氮化硼表面水吸附结构
ByteQC的开源发布，为量子化学计算领域提供了强有力的工具，有望加速相关领域的研究进展。
