arXiv · ML· Denghui Lu, Alexander Maeder, Alexandros Nikolaos Ziogas, Mathieu Luisier, Manasa Kaniselvan·· 24 天前AI 评分23
FlashSO(2) 利用低精度仿真加速 SO(2)-等变材料模型
Accelerating SO(2)-Equivariant Materials Models through Low-Precision Emulation
AI 导读
提出 FlashSO(2) 框架,通过整数 Ozaki 方案下的低精度仿真操作,在吞吐量、精度和内存占用上同时超越 TF32 格式。 该框架将 SO(2) 层吞吐量提升至 MALOQ 参考实现的 40 倍,在 NVIDIA GH200 上维持 236 Tflop/s 有效算力,训练 MALOQ 速度提升 3.9 倍且峰值内存减少 58%。
来源:arXiv · ML · arxiv.org