GPU4PySCF 超内存问题

mhh — Tue, 06 May 2025 14:38:52 +0000

当前平台 (version=0.1.0) 部署的 GPU4PySCF，计算资源的调用在两个地方控制：(1) 用户不可更改：每个 GPU4PySCF 任务申请两块 GPU，约 50 G 内存，另外申请 32 个 CPU 核，每个 CPU 核一般有 4G≈4000 MB 内存；(2) 用户可更改：计算条件配置文件（比如 gpu4pyscf_tddft_config.json)，默认设置线程数为 8，最大内存数为 32000 MB（这个是指 CPU 的内存），如下所示：

用户可修改这两个参数，按照 1:4 的配比来修改，比如

修改方式：既可以让 Agent 修改，也可由用户编辑修改。

最后，关于 GPU 使用的部分，应该是两块 GPU 的全部内存，之后会和 GPU4PySCF 的开发者询问，完善本贴的讨论。日后，可能根据朋友们的反馈，以及考虑其他因素，确定是否由用户还是 Agent 来决定计算资源。

(GPU4)PySCF Agent 教学贴 | 陪你一起当量子化学大神

mhh — Wed, 30 Apr 2025 09:11:18 +0000

1.引子 | 量子化学与化学实验的桥梁

量子化学堆砌在复杂的理论知识上，从 Hartree-Fock 方法、密度泛函理论到多组态、多参考态方法，构建了一套从简单到精确的多层次理论框架。这些方法各具特色：Hartree-Fock 方法奠定了量子化学计算的基础；而密度泛函理论以其效率与精度的平衡成为计算利器；更精确的多组态、多参考态方法则能捕捉电子关联效应，适用于强关联体系的研究。然而，这些理论方法的价值不仅在于其数学形式的美感，更在于它们与化学实验的深度互动。当实验观测遇到疑惑——例如反应中间体的捕获、催化活性位点的确认、复杂光谱的解析，量子化学能够将实验观测转变为电子结构描述，定量地做出预测和解释。这种理论与实验的协同，正推动化学研究从经验探索迈向精准设计的新阶段。

而架起量子化学理论与实验研究之间桥梁的，正是日新月异的量子化学计算软件。这些软件通过精巧的算法实现和持续的性能优化，将复杂的理论公式转变为可执行的计算流程，不仅为理论化学家提供了强大的研究工具，也为实验化学家提供了全新的研究视角。从最初功能单一的独立程序，到如今集成多种方法的计算软件和平台，量子化学软件在功能不断增强的同时，其操作复杂度也随之提升，形成了显著的技术门槛。

这一发展趋势与计算化学领域的整体进步相呼应。当前，计算工具的快速革新正推动着量子化学软件向智能化、用户友好化方向快速发展。在这一背景下，星使智算 GaliLeo 平台引入大语言模型和增强信息检索技术，开发了面向计算化学领域的专业 Agent。这些智能助手不仅简化了复杂软件的操作流程，更通过自然语言交互显著降低了使用门槛，代表着量子化学计算工具向智能化转型的重要突破。

本文将重点介绍GaliLeo平台的 PySCF Agent 和 GPU4PySCF Agent 的基本使用方法。在绍之前，有必要对底层计算软件 PySCF 和 GPU4PySCF 进行简要评述 PySCF 作为基于 Python 开发的量子化学计算软件，凭借其模块化架构和开发者友好的特性，已成为新算法开发的重要平台。该软件支持从 Hartree-Fock 到多参考态方法等多种计算方案，但其计算效率受限于严格的计算条件和收敛判据。近年来，随着 GPU 计算技术的快速发展，GPU4PySCF 程序包应运而生。该程序包通过 GPU 加速显著提升了 PySCF 的计算性能，特别是在处理大体系计算任务时展现出明显优势，大大拓展了 PySCF 在实际研究中的应用范围。

2.简介 | 使用 Agent 前的准备

平台介绍：星使智算旗下 GaliLeo 平台上
注册地址：GaliLeo
所需信息：分子结构信息的 xyz 文件
使用方式：通过自然语言交互，例如执行结构优化

3.示例 | 使用 GPU4PySCF 对 Vitamin_C 分子进行结构优化和激发态计算

step1：登录 GaliLeo 平台并使用 GPU4PySCF Agent
step2：输入计算任务类型： 输入执行分子的结构优化。输入后 Agent 会搜索知识库，明确任务的执行步骤：
step3：确认计算条件配置文件：

(a) 输入好的复制吧。输入后 Agent 会复制格式为 config.json 的计算条件配置文件，并询问是否修改：

(b) 不修改则配置完毕：

(c) 若修改，则可令其打开，查看配置文件，并修改，以明确计算基组、泛函、优化器等。用户也可在交互界面自行打开复制来的 config.json 文件进行修改：

step4：上传分子的 xyz 文件并执行计算：

(a) 明确计算条件后，Agent 会提醒用户上传分子：

(b) 与 Deepseek 等平台的交互界面设计相同，可在交互界面下方上传分子

(c) 上传后即可执行计算：

step5：继续执行激发态计算：因为步骤与上面结构优化相似，此处不再赘述，仅展示任务开始和结束的情况。
step6：读取和下载计算结果：当前的 Agent 会在执行计算后先向汇报用户简略的计算结果，之后会询问用户是否根据计算日志或文件去读取信息，一般会生成 txt 文件。

(a) 可令 Agent 去读取内容并向用户展示；

(b) 用户可去交互界面“文件”出手动读取和下载文件：

4.总结