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
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