빠른 고유 벡터는 Qutip 및 slepc4py

Question

나는 양자 계산의 일부 수치 시뮬레이션을하고있는 중이 야

를 사용하여 HPC에 발견하고, 나는 큰 에르 미트 행렬의 고유 벡터 (~ 2^14 행/열)

나는를 찾고자 24 코어/48 스레드 Xeon 시스템에서 실행됩니다. 이 코드는 원래 Qutip 라이브러리를 사용하여 작성되었습니다. 나는 포함 된 eigenstates() 함수가 내 컴퓨터에서 단 하나의 쓰레드만을 사용하므로 더 빠른 방법을 찾으려고한다는 것을 알았다.

나는 scipy.linalg eig() 및 eigh() 기능뿐만 아니라 scipy.sparse.linalg eig() 및 eigh()하지만 모두 Qutip에 내장 된 기능보다 느리게 보일를 사용했습니다.

slepc4py를 사용하여 속도가 향상 될 수 있다는 제안을 보았습니다.하지만 패키지 설명서가 부족한 것 같습니다. numpy 복합 배열을 SLEPC 행렬로 변환하는 방법을 찾을 수 없습니다.

는

A = PETSc.Mat().create() 
A[:,:] = B[:,:] 
# where B is a scipy array of complex type 

TypeError: Cannot cast array data from dtype('complex128') to dtype('float64') according to the rule 'safe' 

Answer 1

QuTiP의 eigensolver는 eigensolver SciPy를 이용한다. 얼마나 많은 스레드가 사용되는지는 SciPy가 링크 된 BLAS 라이브러리와 스파 스 또는 고밀도 솔버를 사용하는지 여부에 따라 다릅니다. 조밀 한 경우, 기저 BLAS가 이점을 취하는 경우 eigensolver는 다중 코어를 사용합니다 (예 : Intel MKL). 스파 스 솔버는 메모리 대역폭이 제한되어있는 대부분 스파 스 (sparse) matvec 연산을 사용하므로 단일 코어를 사용하면 가장 효율적입니다. 모든 고유치를 원하면 기본적으로 밀도가 높은 솔버를 사용합니다. 그러나, 당신이 단지 몇 개만 필요하다면, 가장 낮은 몇몇 고유 상태와 같이, 드문 드문 방법이 있습니다.

Answer 2

모든 코어를 사용하는 더 간단한 방법을 찾았습니다. qutip이 모든 코어를 사용하도록 mkl에 말하지 않은 것처럼 보입니다. 내 파이썬 코드에서 , 나는 추가 :

import ctypes 
mkl_rt = ctypes.CDLL('libmkl_rt.so') 
mkl_get_max_threads = mkl_rt.mkl_get_max_threads 
mkl_rt.mkl_set_num_threads(ctypes.byref(ctypes.c_int(48))) 

이

모든 코어를 사용하는 인텔 MKL을 강제하고, 나에게 좋은 속도 향상을 주었다.

(대답 question)