摘抄：在Gaussian 16计算中使用GPU
本文介绍如何在G16中使用GPU来加速计算。本文内容是笔者阅读了Gaussian官网关于使用GPU的说明后，按自己的理解写下的，所以有些地方不能保证十分的严谨或正确，只能说是一种参考。官网网页或其他更为详细的参考资料请参见文末。
笔者测试时使用的Gaussian是G16 A.03版本，硬件方面CPU为单路八核8线程，GPU为两块Tesla K80，每块显卡内存（显存）均为12GB，操作系统是CentOS 6.5。首先要强调的是G16的HF和DFT相比于G09是优化过的，即使不用GPU，纯CPU计算也是G09的1.5倍左右（计算精度相同下），用GPU不过是锦上添花。
获得CPU编号
执行命令行top，之后按1，可以看到Cpu0-Cpu7，共8个线程。这里的0-7是接下来会用到的CPU编号。
获得GPU编号
执行命令行nvidia-smi，可以显示出有几块显卡，如果你的机器上除了计算显卡Tesla之外还装有专业绘图显卡Quadro的话，这里也可以看到（示例见下图）。显卡名称下方还显示有温度，右侧还可以看到显存（此处截图无）。
这里的0,1是接下来将会用到的GPU编号。上图中的PID是运行GPU计算任务后可以显示当前有几个计算任务，PID分别是多少。上图中显示此时无GPU进程。
写输入文件
1 | %chk=a.chk |
主要区别在于原来的%nprocshared拆分为2行，其中第一行写要用的CPU编号，这里的%cpu=0-7等价于之前的%nprocshared=8，只不过这里用具体的ID号来表示；如果你的机器有16线程，那可以写%cpu=0-15。另外还支持直接指定，如%cpu=0-1, 6-7等等，这样你可以在2-5上交另一个计算任务。
其中第二行%gpucpu=0,1=0,4，顾名思义，第一个等号后写要用的GPU编号，第二个等号后写control cpu的编号，表示让Cpu0控制GPU0，Cpu4控制GPU1，高斯要求每个GPU必须分配其一个controlcpu，仿佛控制、协调其工作一样。同时，这里的control cpu编号必须被包含在上一行的%cpu编号里，比如0,4属于上一行的0-7之中。但是这会带来另一方面的缺憾，高斯官网说control cpu只用于控制，不用于做计算，也就是说0-7之中只有6个线程在做计算（当然GPU也在做计算），和4只用于控制。这意味着什么？假设单个GPU的计算速度是单个CPU的5倍，
方案1：全部用8线程做计算，不用GPU；
方案2：用6线程计算，2线程用来控制2块GPU，相当于6 + 2*5 = 16；
16/8= 2.也就是说，用2块GPU最多2倍的加速而已。笔者测试时，用与不用GPU的G16相对比，也没有超过2倍加速。说明G16 A.03的GPU加速还是一个比较原始的版本，期待后续的改进。当然，如果你用GPU的G16与只能用CPU的G09相比，那就是高铁与长途汽车的差别了。
关于内存的指定，一般做中小体系的DFT计算时不必刻意在乎这个问题。需要大内存时，换算规则是这样的：一块12GB显存的GPU，CPU内存需要约8 GB，如果用6个线程跑，需要指定%mem=48GB。详细可以参看文末的参考资料。
注意事项
- 建议一开始先进行一些简单例子的测试，熟悉该过程。
- 再次提醒，G09与G16对于DFT的积分格点默认精度是不一样的，G09默认的是fine，G16默认的是ultrafine；电子积分精度也是不一样的，G09默认acc2e=10，而G16则是12。因此若要进行严格对照或者重复，要使用相同的精度。
- 有的GPU机器上除了Tesla之外，还装了Quadro，并且Quadro与某个Tesla GPU有关联，这时候在gjf文件内即使写对了Tesla的GPU编号可能也会报错，可以尝试换成Quadro的编号。当然，计算时通过nvidia-smi命令可以看到实际上还是Tesla在做计算。这个问题的深层原因笔者并不清楚，可能需要一些硬体架构的知识。
参考资料
网页上的GPU/CPU硬件排列关系图，可以用命令nvidia-smi topo –m看到。