NVIDIA acelera el potencial PET con cálculos Tensor Core BF16x9 y TF32x3
Escrito por IA NVIDIA probó métodos Tensor Core que emulan FP32 en el Point Edge Transformer, un potencial interatómico de aprendizaje automático desarrollado por Lab COSMO en la EPFL. En GPU Blackwell, la ruta BF16x9 de cuBLAS aceleró 2,2–2,5 veces las grandes multiplicaciones de matrices para un sistema de 17 280 átomos, con errores menores que el propio no determinismo del modelo. En hardware Ampere A100, TF32x3 mediante CUTLASS ofreció GEMM 1,7–1,9 veces más rápidos y pasos de dinámica molecular hasta 1,5 veces más rápidos, manteniendo la conservación de energía cercana a FP32. Al relajar una lámina de aleación de Cantor de 539 átomos, TF32x3 convergió en 218–222 pasos, mientras que TF32 de una sola pasada nunca alcanzó la tolerancia de fuerza.
Leer en español ↗
