跳到正文
arXiv cs.AI· Haozhi Han, Junjie Yang, Ruge Zhang, Zihe Huang, Pengyi Xu, Bo Zhang, Xianyi Zhang, Yunquan Zhang, Ting Cao, Yunxin Liu, Yifeng Chen, Kun Li·· 23 小时前AI 评分38

MakoBORN:面向量子化学的前瞻性智能体计算框架

Born for the Task: Rethinking Quantum Chemistry with Foresighted Agentic Computing

AI 导读

MakoBORN 是一个前瞻性智能体计算框架,可按需合成高性能量子化学程序,在执行前预测各策略的误差与运行时间,并在误差容限内从预测的精度-运行时间帕累托前沿中选出最快策略。

正文 · AI 翻译

作者:Haozhi Han、Junjie Yang、Ruge Zhang、Zihe Huang、Pengyi Xu、Bo Zhang、Xianyi Zhang、Yunquan Zhang、Ting Cao、Yunxin Liu、Yifeng Chen、Kun Li

查看 PDF HTML(实验性)

摘要:量子化学依赖通用软件,而其通用性使得许多大规模计算超出实际资源预算。编码智能体使编写任务专用程序变得成本低廉,但高效的程序并不容易找到:一种计算策略是否足够准确和快速,只有在其真正于目标规模上运行之后才能明确。我们提出 MakoBORN,一个具有前瞻性的智能体计算框架,可按需合成高性能量子化学程序。MakoBORN 在执行前预测每种策略的行为,从有代表性的小体系外推其误差,并根据目标规模的工作负载和实测硬件吞吐量预测其运行时间。基于这些预测,MakoBORN 将现有软件包的预设方案展开为可独立配置的算法组件,从预测的精度-运行时间帕累托前沿中选出误差容限内最快的策略,并借助组件级性能预测引导编码智能体将其编译。对于包含 50,024 个基函数的 Hartree-Fock 计算,MakoBORN 在单个 CPU 节点上 1.41 小时完成,比通用基线估计运行时间快 77$\times$,计入开发时间后仍快 9.8$\times$。在单个 GPU 上,MakoBORN 在 2.1 小时内完成泛素计算,运行时间与在 64 个 GPU 上运行的 GPU 加速软件包 Mako 处于同一量级,并将 B-DNA 双链体计算从估计的两个月缩短至 8.1 小时(173$\times$)。
学科: 人工智能(cs.AI);化学物理(physics.chem-ph)
引用为: arXiv:2611.22897 [cs.AI]
  (或本版本的 arXiv:2611.22897v2 [cs.AI])
  https://doi.org/10.48550/arXiv.2611.22897

arXiv 颁发的 DOI 经由 DataCite

提交历史

来自:Haozhi Han [查看邮箱]
[v1] 2026年11月17日 星期二 15:05:38 UTC(2,286 KB)
[v2] 2026年11月18日 星期三 13:07:39 UTC(2,285 KB)

来源:arXiv cs.AI · arxiv.org