VASP是备受专业技术人员认可的DFT计算软件，每年发表论文超过1万篇，至2022年底，文章总量已超过11万篇。其计算结果不仅可以验证实验，更能够预测实验结果，指导实验路线。
本文为华算科技朱老师技术团队的Cilver老师和Ravi老师制作的《VASP官方入门手册》第三篇：VASP的性能优化、串行代码的性能、并行代码在不同机器上的性能。本教程将详细介绍VASP软件及其计算方法，帮助大家快速入门VASP计算，搞定顶刊技能！
为了获得良好的性能，VASP 需要高度优化的 BLAS 例程。该软件包可从许多公共域服务器（如 ftp.netlib.org）上获取。大多数机器供应商也提供经过优化的 BLAS 程序包。例如，BLAS 例程是以下库的一部分：
libblas (available from SGI)
libmkl (available from INTEL)
libgoto (P4/Athlon http://www.cs.utexas.edu/users/kgoto/signup_first.html)
这些软件包在大多数机器上都能达到最佳性能（高达 6 Gflops）。从机器制造商获取这些程序是首选。作为替代方案，也可以安装开源的版本，但对于大型系统来说，这可能会使 VASP 的运行速度降低 1.5 到 2 倍。
如果可能，还应该安装经过优化的 LAPACK，尽管对于较好的性能来说，这并不是那么重要。所有所需的LAPACK例程也可在文件vasp.lib/lapack_double.f中找到。如果没有优化的LAPACK例程可用，通常可以通过在makefile中指定-DNOZTRMM（参见3.5.4节）来稍微提高性能。使用大型测试系统（例如 bench.Hg.tar）并在 INCAR 文件中指定 IALGO=-1 时运行，可以确定 LAPACK 的性能。唯一影响时序的是 ORTHCH。
此外，FFT 程序的性能也相当重要。VASP 附带 J. Furthmuller 编写并优化的例程（它是 Schwarztrauber 多序列 FFT 的一个版本，支持基数 2、3、4、5 和 7）。在大多数机器上，这些例程优于制造商提供的例程（例如 CRAY C90、SGI、DEC）。通过向预编译器提供一个附加标志，可以优化这些例程
T3D -DCACHE_SIZE=8000 DEC ev5 -DCACHE_SIZE=8000
CACHE_SIZE=0有特殊含义。它会在 x 和 y 方向上逐个平面执行 FFT，在某些机器上会增加缓存的一致性。因此这个设置也值得一试。更改 makefile 中的 CACHE_SIZE 后，必须执行以下命令来更新fft3dfurth：
在矢量机上，CACHE_SIZE 应设置为 0。也可以提高这些例程的优化级别（但尽管在我们的测试中我们从未发现显著的性能改进）。
其他一些例程也可以从更高的优化级别中获益：最重要的是 nonl.F 和 nonlr.F。可以使用 bench.Hg.tar 和 IALGO=-1 对这些例程进行测试。当 LREAL=.TRUE 时，RPRO 和 RACC（nonlr.F）的时序会受到影响，而当 LREAL=.FALSE 时，VNLACC 和 PROJ（nonl.F）的时序会受到影响。特别是，可以尝试在 makefile 中设置 -Davoidalloc（参见第 3.5.12 节）。在这种情况下，某些性能敏感区域的 ALLOCATE 和 DEALLOCATE 序列将被避免。值得注意的是，在 Linux 下，ALLOCATE 和 DEALLOCATE 的速度很慢，因此避免使用它可以使 nonlr.F 的性能提高大约 10%（目前在所有 Linux 平台上都选择了这个选项）。
这里给出的基准数据是使用一种模拟VASP性能的基准测试来测量的。该基准由三个独立的程序组成。第一个程序测量矩阵-矩阵性能 (Lincom-TPP)，第二个程序测量矩阵-向量性能 (matrix-vec)，最后一个程序测量 3d-FFT 性能 (fft)。这三个部分的混合效果与模拟大型体系（40-100 个过渡金属原子）时的效果类似。矩阵×矩阵性能使用 DGEMM，矩阵×矢量使用 DGEMV、do-loops 或 DGEMM（取决于机器得分最高的部分）。fft 基准要么使用制造商提供的优化例程，要么使用 J. Furthmuller 编写并优化的例程。
表中还显示了 bench.Hg.tar 和 bench.PdO 基准的时序，它们位于 VASP 服务器的 src 目录中（bench.Hg.tar.gz 和 bench-PdO.tar.gz）。显示的数字是写在 OUTCAR 文件中 “LOOP+”行的数字（键入grep ’LOOP+’ OUTCA）。
您可以在 VASP.4.X (X>3) 目录下编译 ffttest 和 dgemmtest，然后键入：
这将依次执行 “Lincom-TPP”、”matrix-vec “和 “fft “测试（仅限串行版）。请注意，与 “Lincom-TPP”、”matrix-vec “和 “fft “的合成组合相比，目前的算法使得矩阵-向量部分不那么重要。此外，在 bench.Hg 基准中，矩阵-矩阵部分的性能比合成基准更重要。
目前，所有高性能机器都能很好地运行VASP。最便宜的选择（以最低的价格获得最佳价值）目前是基于AMD Athlon-64和Intel P4 PC的机器。对于编译，我们建议使用ifc编译器。购买哪种处理器（时钟频率）在一定程度上取决于预算和可用空间。如果您需要高填充密度，双Opteron机器是一个不错的选择。基于IBM Power 4的机器，英特尔安腾Intel Itanium（SGI Altix，HP-UX）仍然具有竞争力，但价格比PC稍高。
+VASP.4.4，启用硬件数据流；bench.Hg 在 4 个节点上运行，所有其他数据按节点
++ 系统配备 2 个（第一个）或 4 个（第二个）内存板。
∗∗ 所有 Athlon 结果均使用基于 Atlas 的 BLAS (http://www.netlib.org/atlas/)
x pgf90 -tp athlon，Atlas 针对 TB 优化了 BLAS，133 MHz 内存
1 基准在（双处理器 SMP 机器）2 TRUE 64 上执行两次
2 TRUE 64,其他 Alpha 基准在 LINUX 下执行
i Intel 编译器、ifc、mkl 性能库在 P4 上运行，Atlas 在 Athlon 上运行
A VIA KT 266A，使用 VIA KT 266 执行其他 XP 基准测试
j在 P4 上使用英特尔编译器、ifc7.1、libgoto p4 512-r0.6.so 或 libgoto p4 1024-r0.96.so，在 Athlon 上使用 libgoto opt32-r0.92.so，使用 fftw.3.0.1
kIntel 编译器，ifc7.1，libgoto p4 1024-r0.96.so（在 P4 上）或 libgoto opt32-r0.92.so（在 Opteron 上），fftw.3.0.1 和 -Duse_cray_ptr
lia64，Intel 编译器，ifc9.1，libgoto prescott64p-r1.00.so，fftw.3.1.2 和 -Duse_cray_ptr
p pgi 重要：在 ALPHA-LINUX 上，有两个选项：
export MALLOC_MMAP_MAX_=0
export MALLOC_TRIM_THRESHOLD_=-1
可将性能提高 10-20%！！注意：有时，对于时钟频率相似的机器，表格显示的时序会有很大差异。这通常与编译器或主板的升级有关。
由于历史原因，我们展示了 VASP.4 代码在 T3D 上的用时情况。体系为 l-Fe，晶胞中包含 64 个原子，只使用了 Γ 点，平面波数为 12500，包含的能带数为 384。
当前算法的主要问题在于子空间旋转。子空间旋转需要对一个相对较小的矩阵（本例中为 384×384）进行对角化，而这一步在大型并行机上的表现不佳。VASP 目前使用 scaLAPACK 或 Ian Bush 编写的快速Jacobi 矩阵对角化方案（仅限 T3D、T3E）。在 64 个节点上，Jacobi 方案需要约 1 秒钟对矩阵进行对角化，但增加节点数并不能减少计算时间。scaLAPACK 至少需要 2 秒，而且 scaLAPACK 在 16 节点时就已达到这一性能水平。
图 2 显示了在 SGI 2000 上对 256 个铝原子进行计算的更具代表性的结果。在32个节点以下，可以达到0.8的效率。在目前大多数具有大通信带宽的架构（Infiniband、Myrinet、SGI 等）上，也可以达到类似的效率。在基于千兆以太网的集群上，对于16-32个核心，可以预计高达75%的效率。
图2：在具有千兆以太网的PC集群上的bench.PdO用时
最后的图 3 显示了 SGI（narwal）公司内部最先进机器的用时情况。节点由 QDR Infiniband 交换机连接，每个节点由 8 个内核（两个Intel(R) Xeon(R) CPU E5540 CPU’s, 2.53GHz）组成。在这种情况下，RMM-DIIS 算法的并行效率非常高，从 16 核到 256 核均达到 65%。对于Davidson 算法，在 16 至 256 个内核之间的并行效率仅为 50%左右。
图3：512个原子的GaAs体系的用时。使用了Γ 点版本，并且填充的总带数为 1024。使用默认的平面波截断能量208 eV。其他 VASP 设置为 PREC = A ; ISYM = 0 ; NELMDL = 5; NELM = 8 ; LREAL = A。左图显示了 RMM-DISS（ALGO = V）的计时结果，右图显示了 Davidson（ALGO = N）的计时结果。给出了第 7 次自洽场（SCF）迭代的时间。
“实验+计算”的模式已成为顶刊标配！还在苦于看不懂论文的计算部分？不会分析相关结果？不会回复审稿意见？错失顶刊？
朱老师带你零基础轻松入门DFT计算，提升论文档次，发顶刊快人一步！
学员已发表Nature、Nature Energy、Nature Materials、Angew..、JACS、AM、AEM等期刊。
声明：如需转载请注明出处（华算科技旗下资讯学习网站-学术资讯），并附有原文链接，谢谢！
