FlashSO(2)以低精度模拟加速等变材料模型

Denghui Lu 等作者提出 FlashSO(2)，用整数 Ozaki 方案模拟低精度运算，加速图神经网络中的 SO(2)-等变层；在 NVIDIA GH200 上，该层对 MLH 和 MLIP 模型的吞吐量分别最高达 236 和 232 有效 Tflop/s。作者称，这分别是 MALOQ 和 UMA 参考实现的 40 倍和 7 倍。 SO(2)-等变层是许多机器学习原子间势模型及多数通用机器学习哈密顿量模型的处理部分，也是这些模型的主要运行开销之一。报道中的性能数据针对层级吞吐量，不等同于整套模型的端到端加速。

AI 根据报道生成 · 55 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。