1. 神经网络分子动力学与长程静电模拟的技术背景分子动力学模拟作为计算化学和材料科学的核心工具其本质是通过数值求解牛顿运动方程来预测原子和分子的运动轨迹。传统的第一性原理分子动力学AIMD虽然精度高但由于计算复杂度随体系规模呈立方级增长使得其应用范围被限制在数千原子和皮秒时间尺度的模拟中。这种局限性在涉及蛋白质折叠、电解质溶液等需要长时间尺度观测的体系中尤为明显。神经网络分子动力学NNMD的出现打破了这一僵局。其核心思想是通过深度神经网络学习量子力学计算得到的势能面PES将计算复杂度降低到线性增长。以DeePMD为代表的先进框架已经能够在Fugaku超算上对50万铜原子体系实现1,724步/秒的模拟速度首次实现了一周内完成1微秒模拟的突破。然而这些成就主要依赖于截断或近似处理短程相互作用对长程静电相互作用的处理仍存在明显缺陷。长程静电相互作用在诸多物理化学现象中扮演着关键角色。以水分子体系为例其氢键网络、介电响应等特性都强烈依赖于精确的静电作用描述。经典的Ewald求和、PPPM等方法虽然能准确计算这些相互作用但需要频繁的3D FFT运算导致在超大规模并行计算中产生严重的通信开销。这正是当前NNMD模拟速度提升的主要瓶颈所在。Deep Potential Long-RangeDPLR框架的创新之处在于将Wannier中心WC概念引入NNMD。如图1所示DPLR将体系总能量分解为短程DP模型和长程PPPM方法两部分。其中Wannier中心位置由另一个深度神经网络DW模型预测这些电子云中心与离子位点共同构成高斯电荷分布通过PPPM方法计算长程静电作用。这种物理驱动的建模方式既保持了神经网络的高效率又通过显式包含长程作用显著提升了模型精度。2. DPLR框架的三大性能瓶颈分析2.1 3D FFT计算的通信墙问题在DPLR的PPPM计算中每个时间步需要执行1次正向和3次反向3D FFT。传统实现采用两种策略一是所有MPI秩参与的全域3D分解需要进行多次砖块-铅笔转换和转置操作二是将MPI秩分组专用部分秩处理长程作用。实测表明即使在第二种策略下当在Fugaku上模拟40万原子水体系时FFT通信仍占总计算时间的68%以上。问题的根源在于3D FFT的全局数据依赖性。以128×128×128网格为例每次维度变换都需要跨节点收集完整数据切片。现有FFT-MPI和heFFTe库虽然进行了优化但都未能充分利用Fugaku特有的硬件加速能力。更关键的是随着模拟体系增大FFT网格维度需相应增加而通信开销随节点数增长呈超线性上升。2.2 长短程计算资源争用DPLR每个时间步需要依次执行DW模型前向推理预测Wannier中心位移ΔₙPPPM计算基于WC位置求解静电作用DP模型前向推理短程作用两个模型的反向传播计算力这种串行执行模式导致计算资源利用率低下。特别是在PPPM阶段虽然只占用部分计算核心但由于需要全局同步其他核心被迫空闲等待。我们的性能分析显示在12节点配置下这种等待时间占总周期的42%。更严重的是当采用传统MPI秩分组策略时专用PPPM计算组中的节点有75%的计算资源处于闲置状态。2.3 原子级负载不均衡挑战分子动力学模拟通常采用空间区域分解进行并行化。但在非均匀体系如界面系统中原子分布往往高度不均匀。图2展示了一个典型案例在电解质溶液模拟中电极表面附近的原子密度可比体相高3-5倍。这导致部分MPI秩需要处理的原子数是平均值的4倍以上形成明显的热点秩。现有负载均衡方法各有局限非均匀空间分解会增加幽灵原子通信量节点内原子平衡无法解决节点间不均衡原子交换方法在6D环面拓扑中通信开销过大特别在DPLR中每个原子还需要携带其Wannier中心数据使得负载不均衡问题进一步加剧。测试表明在未优化的403K原子水体系模拟中最慢节点比平均慢2.7倍导致整体效率下降61%。3. 面向Fugaku架构的深度优化策略3.1 硬件卸载的utofu-FFT方法Fugaku的TofuD互连架构提供了独特的硬件加速能力。每个节点配备6个Tofu网络接口TNI每个TNI包含48个屏障门BG单元可配置为归约链。我们基于此设计了utofu-FFT算法其核心思想是将分布式FFT的归约操作卸载到BG硬件。具体实现包含三个关键创新数据流重构将标准FFT的蝴蝶操作转化为矩阵-向量乘法。设K空间数据X(k)Σωₖₙx(n)其中ωₖₙ为旋转因子。在分布式环境下每个MPI秩计算局部X̃ Fₙ[:,J]x[J,:]然后通过BG归约链求和。图3展示了X维度的计算流程其中每个节点仅处理实空间网格的子集最终通过环形归约得到完整K空间数据。归约链优化针对三维FFT需求将6个TNI分为3组每组处理一个维度。每个TNI配置24个BG12个启停BG12个中继BG。对于n个节点的维度构建n个环形归约链每个节点作为一条链的主节点。如图4所示归约过程采用流水线设计主节点启停BG发起请求→数据包通过中继BG依次传递→最终结果返回主节点。实测显示单个维度的128节点归约仅需83μs。量化压缩技术为突破BG每次仅处理3个double的限制我们开发了智能量化方案图4c将[-1,1]区间的浮点数据放大10⁷倍转为int32将两个int32打包为uint64传输接收端解包后缩放还原 这使得每次归约可处理12个复数将3D FFT总归约次数从66次降为11次。精度测试表明表1混合精度下的能量误差保持在3.7×10⁻⁴ eV/atom与双精度结果相当。3.2 核心级重叠计算方案基于Fugaku每节点48计算核心的特点我们设计了创新的计算-通信重叠方案资源分配Rank 3的1个核心专责PPPM计算其余47个核心并行处理DP/DW模型推理执行流程图547个核心先完成DW前向确定WC位置Rank 3核心收集全节点原子/WC数据启动PPPM同时其他核心开始DP前向计算PPPM结果通过节点内scatter广播所有核心并行执行反向传播该方案的关键优势在于将参与FFT通信的核心数减少到1/48利用Fugaku的CMG架构PPPM计算可独占一个HBM2内存通道节点内MPI通信通过共享内存优化延迟低于5μs实测显示在564原子水体系模拟中计算资源利用率从58%提升至91%PPPM通信时间被完全隐藏。3.3 环形原子迁移负载均衡我们提出基于原子中心分区的新范式其核心是环形迁移算法图6。设总原子数NₐₗₗMPI秩数nᵣₐₙₖ目标负载Nₐᵥ₉Nₐₗₗ/nᵣₐₙₖ。算法流程如下环形构建通过serpentine算法将3D分布的MPI秩映射到1D环确保物理相邻节点在环上也相邻负载检测每50步邻域列表更新周期执行allgather收集各秩原子数迁移决策按算法1计算每个秩应迁移原子数Nₛ幽灵区扩展下游秩扩展幽灵区包含上游迁出原子避免显式数据传输以图6为例Nₐᵥ₉2时节点0需迁出2原子节点1迁入1原子并迁出1原子最终各节点原子数趋于平衡幽灵区仅需扩展rc截断半径范围在403K原子水体系测试中该方法将负载不均衡度从2.7倍降至1.1倍通信开销仅增加7%。配合节点级任务划分策略3.4.1节进一步消除了小空间域导致的通信膨胀问题。4. 实际应用效果与性能分析4.1 精度验证我们采用SCAN密度泛函作为基准对比不同优化级别的精度配置能量误差(eV/atom)力误差(eV/Å)双精度(32³网格)3.7×10⁻⁴5.3×10⁻²混合int2(8×12×8)3.7×10⁻⁴5.3×10⁻²图7展示50,000步NVT模拟的轨迹对比可见混合精度下的能量和温度波动与双精度结果高度一致证明优化未牺牲精度。4.2 加速效果在Fugaku上的基准测试结果如下体系规模节点数基线速度(ns/天)优化后速度(ns/天)加速比564原子121.45136.4×403K原子8,4000.93235.6×关键突破点utofu-FFT使PPPM计算耗时从78ms/步降至2.1ms/步计算重叠将核心利用率提升至90%以上负载均衡使大规模并行效率保持在82%图8展示不同节点规模下的强扩展性优化后版本在8,400节点时仍保持75%的并行效率远超基线版本的21%。4.3 实际应用案例这些优化使得以往不切实际的研究成为可能水分子界面行为可模拟纳米级水滴在石墨烯表面的铺展过程需100ns离子通道传导实现含20万原子的细胞膜通道微秒级模拟电池电解质精确描述Li⁺在EC/DMC溶剂中的溶剂化动力学特别在蛋白质折叠研究中DPLR优化版可在1周内完成小型蛋白如Trp-cage的折叠轨迹模拟而传统AIMD需要数年计算时间。5. 关键实现经验与避坑指南5.1 Fugaku硬件特性利用BG配置技巧为每个TNI保留4个BG用于系统通信使用Start/End BG发起请求Relay BG形成归约链避免归约链深度超过6跳否则延迟显著增加内存访问优化将PPPM数据分配在CMG0的HBM2减少NUMA影响对twiddle因子矩阵使用SVE向量化加载注意Fugaku的BG对数据对齐极为敏感必须确保uint64数据按64字节对齐否则会导致静默错误。5.2 混合精度实施要点缩放因子选择通过统计100步轨迹的力值分布确定10⁷缩放可避免int32溢出关键步骤保持双精度PPPM中的格林函数计算力汇总时的累加操作定期校验每1000步与全双精度结果对比误差超阈值则回退5.3 负载均衡调优经验迁移频率选择固态体系50-100步/次液态体系20-50步/次幽灵区缓冲对高迁移率体系设置1.2rc的缓冲层拓扑感知映射使用mpi-ext库的NodeGetCoord优化秩排列5.4 典型问题排查能量发散检查WC位移Δₙ的数值范围正常应0.5Å验证FFT网格间距是否小于电荷分布宽度β⁻¹性能骤降使用TOFU_STAT监控BG利用率检查原子迁移是否导致通信死锁负载不均衡再现可视化各秩原子数分布调整环构建算法避免物理长距离迁移6. 扩展应用与未来方向本文优化策略已成功应用于多个新型NNMD框架DeePMD-kit v3.0集成utofu-FFT后金属合金模拟速度提升29×SPONGE在神威·太湖之光上实现类似优化验证方法普适性自定义NN势支持GNN等新型架构的长程作用计算未来重点发展方向包括自适应FFT网格技术根据电荷密度动态调整网格精度多级负载均衡结合节点内GPU的细粒度任务划分量子效应整合扩展至路径积分分子动力学这些优化不仅适用于NNMD也为其他需要长程作用的空间分解应用如泊松-玻尔兹曼方程求解提供了参考模板。