在本教程中，您将学习用于提高各种系统 ATK 性能而需要调整的主要参数。为了获得尽可能高的计算性能，ATK 提供了一系列不同的算法，并利用 MPI 和共享内存线程进行并行。正如技术说明 Parallelization of QuantumATK calculations 中已经提到的，MPI 并行通常会提供最佳的计算加速，而进程的线程化通常可以减少内存占用。

要获得任何高性能软件的绝对最佳性能，需要对所涉及的计算和使用的硬件有一定的深入了解。因此，对于使用的硬件和并行方法，优化您的 QuantumATK 模拟非常重要。然而，下面章节给出了一些关于 QuantumATK 算法和选项的提示，也可能有助于解决内存或速度问题。

• 尝试禁用 AlgorithmParameters 中的 store_grids，这将稍稍降低内存，轻微减少计算时间。
• 在 AlgorithmParameters 中禁用 store_basis_on_grid 将显著减少内存，如果系统的矩阵很小，则会对性能产生负面影响。默认情况下此参数处于关闭状态，如果构型很大，它可能已被禁用。如果是 并行 运行，由于内存是分布式的，每个核的内存减少量将更低。
  • 如果在 并行 有两个以上进程运行，请尝试将 IterationControlParameters 中的 algorithm 设置为 ParallelPulayMixer.d。

• 如果矩阵非常大，可以考虑将 AlgorithmParameters 中的 density_matrix_method 设置为 DiagonalizationSolver(processes_per_kpoint=2)。这将使每个 mpi 进程的内存使用减少 2 倍。如果问题持续存在，请尝试增大 processes_per_kpoint。
• 如果计算量非常大，且计算是在 并行 中的许多节点上运行，那么将 AlgorithmParameters 的 density_matrix_method 设置为 ChebyshevExpansionSolver 是很值得尝试的做法。当大规模并行运行时，内存使用将显著减少，但与普通情况相比还是很慢。

• 尝试将 SelfEnergyCalculator 中的 storage_strategy 设置为 StoreOnDisk 或 NoStorage。这将显着减少内存，但也会降低之后的性能。如果是 并行 运行，由于内存是分布式的，每个核的内存减少量将更低。

• 器件的横截面较宽，可以尝试将 equilibrium_method 和/或 non_equilibrium_method 设置为 SparseGreensFunction。

• 如果是 并行 运行，将 equilibrium_method 和/或non_equilibrium_method 设置为 SparseGreensFunction(processes_per_contour_point=2) 会有所帮助。如果问题仍然存在，试着设置 processes_per_contour_point=4。

• 如果计算需要使用多重网格方法，如存在栅的情况，可能对于 possion_solver 要考虑 DirectSolver。这样将需要更多的内存，但是开销是内存分配的，因此如果是 并行 运行，则值得尝试。

• 设置 AlgorithmParameters 中的 store_basis_on_grid 为 True。这将使计算运行更快，并具有适度但分布式的内存开销。

在 ATK 2015 中为 AlgorithmParameters 中的 density_matrix_method 引入了两个新增参数：processes_per_kpoint 和 bands_above_fermi_level。

1   algorithm_parameters = AlgorithmParameters(
2       density_matrix_method=DiagonalizationSolver(
3                                                   bands_above_fermi_level=20,
4                                                   processes_per_kpoint=2
5                                                   ),
6       )

• 关于 processes_per_kpoint，您可以指定每个 k 点要使用的 mpi 进程数，从而使您获得更高级别的并行。

下图展示了使用 32 个 k 点进行 InGaAs 块体构型完整 SCF 运行时间的关系图。默认情况下，您最多可以并行超过 32 个 mpi 进程（红线）。您可以运行以下脚本来快速检查计算中使用了多少个 k 点：

1   mk = MonkhorstPackGrid(4,4,4)
2   irriducible_kpoints = mk.kpoints()
3   print(len(irreducible_kpoints), ' irreducible kpoints')

通过设置 processes_per_kpoint，您现在可以进一步推动并行（蓝线）。

图：在 Xeon E5-2687W @ 3.1GHz 16固化/节点集群上运行的 InGaAs 合金的 199 基准图。时序对应于完整的 SCF 周期（19 步内收敛）。

• 计算中使用的能带总数由基组大小定义。默认情况下，包含所有的空带。但是，在计算中涵盖所有的空带并不能提高准确性，却会大大降低您的模拟速度。设置 bands_above_fermi_level 以指定要使用的空带数量。在上面的示例中，您可以看到使用所有空带（绿点）将使计算时间加倍。

实际上，您可以调整许多参数获得器件构型的最佳性能。哪些参数需要调整呢？这其实上取决于您正在研究的系统和所使用的方法。

• 英文原文：https://docs.quantumatk.com/technicalnotes/advanced_performance/advanced_performance.html