SuperAPI AI 工具集

nvalchemi-distributed

通用与其它

查看项目

更新于 10-16 02:34

技能介绍

用途:域分解(DD)把单个原子体系拆分到多张 GPU,使单卡放不下或跑不快的模拟得以扩展。单进程使用的模型包装、hooks 和积分器无需改动,只需各加一层包装。DomainParallel 包装任意 BaseDynamics 积分器/优化器并在 mesh 上驱动;底层用 DistributedModel 读取模型的 distribution_spec 决定各字段如何分片/聚合。

主要能力:提供 halo(默认,按空间域切分,各 rank 持有自有原子加 ghost halo,适合有界 cutoff 的 MACE、NequIP、LJ、Ewald、PME)与 graph-partition(按原子索引切分,各 rank 持有完整几何并拥有节点切片,适合 UMA/eSCN 等自行建图的模型)两种策略,通过 DomainConfig.strategy 选择。附带 SPEC_MPNN_HALO、SPEC_LJ_HALO、SPEC_UMA_HALO、SPEC_EWALD_HALO、SPEC_PME_HALO、SPEC_DFTD3_HALO、SPEC_MPNN_GP 等预设。DomainConfig 支持 compile=True,MACE、AIMNet2、UMA 包装器可用。

使用方式:用 torchrun 启动,每 GPU 一进程,例如 torchrun --nproc_per_node=4 my_distributed_md.py。流程为 DistributedManager.initialize() 引导进程组与 mesh,包装模型,构建内层积分器,再用 DomainParallel 包装并运行;rank 0 构建完整体系,partition() 返回本 rank 自有原子,run() 循环 step()。邻居表/计算 hooks 放内层积分器,轨迹/日志 hooks 放外层并设 HookScope.RANK_ZERO 或 GLOBAL。自有模型需实现 distribution_spec 返回 MLIPSpec,可用 trace_and_validate 在模拟 2-rank mesh 下校验力等价性,并用 MLIPSpec.save/load 持久化。

限制:自定义积分器须保证所有操作为逐原子;全局量(动能、温度、自由度、FIRE 点积、收敛判据、barostat 压力)必须通过内置系综或 HookScope.GLOBAL hook 归约,不能自行 all_reduce 或依据本地标量做控制流决策;pre_update/post_update 只能看到自有原子。资料未提供收费、价格与平台支持信息。