VASP GPU 加速专题五：加速参数选择

申请更多 GPU 后，VASP 是否会更快，取决于能否把计算工作合理分配到每张卡。KPAR 决定 k 点怎样分组，NSIM 调整能带的批量处理；两者都需要结合实际 k 点数、能带数和 GPU 数量选择。

本指南用 Si 的 8、32、64、96、144、216 原子算例，展示 P100 和 V100 在单／双／四／八卡上的实测结果。覆盖 Γ 单点、较疏网格和较密网格三种常见工作量，提供 12 张时间图、结果讨论、参数速查表和可直接使用的操作方法。

1. 提交计算前，先确定这三件事#

先确定科学精度，再调并行参数。 结构、赝势、ENCUT、k 点密度和收敛要求应由研究问题决定；KPAR 和 NSIM 用来缩短完成这些计算所需的时间。不能为了让 GPU 更快而把所需的 k 点精度降低。

第一，查看 VASP 实际使用的 NKPTS 和 NBANDS，不要只看 KPOINTS 的网格乘积。

第二，明确本次使用几张 GPU：本集群标准 GPU 模板每卡对应 1 个 MPI 进程和 1 个 CPU 核心。

第三，按下表选择少量参数候选，再用自己的体系比较。

表中的数值是试算候选。例如八卡、NKPTS=8 并不自动对应 KPAR=8：本指南的较大 Si 体系中，八卡经常以 KPAR=2 更快。NSIM=32 是方便比较的起点，也不是每个体系的最佳值。

2. KPAR 与 NSIM 怎样影响计算#

2.1 KPAR：把 MPI 进程分成若干 k 点组#

对于本文讨论的普通电子自洽计算，KPAR 表示 k 点并行组数。总 MPI 进程数为 P 时，每组包含 P/KPAR 个进程。VASP 将 k 点依次分配给这些组；同组进程共同处理分到的 k 点。

以八卡、八个 MPI 进程为例，KPAR=1 表示八个进程处于同一组；KPAR=2 表示两组、每组四个进程；KPAR=4 表示四组、每组两个进程；KPAR=8 表示八组、每组一个进程。增加 KPAR 可以让更多 k 点组同时推进，但也会减少每组参与计算的进程数。

选择时还要结合 NKPTS：Γ 单点使用 KPAR=1；普通多 k 点计算优先考虑不超过 NKPTS 的候选。KPAR 必须整除 MPI 进程数；NKPTS 能否整除 KPAR 则影响负载均衡。 例如 NKPTS=27、八卡时，KPAR=4 或 8 可以运行，但各组分到的 k 点数量不完全一致，不能把“不均分”理解为“参数非法”。

实际最优值是“多组同时推进”与“保留足够的组内计算能力”之间的选择。小晶胞、较多 k 点通常更适合较大的 KPAR；单个 k 点工作量较大时，保留多个 GPU 在同一组内协作可能更有利。第 4、6 节会用时间对照说明这种差异。

2.2 NSIM：调整同时处理的能带批量#

NSIM 控制同时处理的轨道／能带批量。它主要用于 RMM-DIIS，也参与 blocked-Davidson 的部分环节和力计算；本文 ALGO=Normal 的结果同样会受它影响。批量处理有助于使用矩阵运算，GPU 通常需要比较更大的 NSIM 候选。

NSIM 不是 MPI 进程数，也不是 CPU 线程数。增大它并不会增加 GPU 数量。较大的批量可能让 GPU 更有效地计算，也可能使当前分组下的批量安排和工作空间不再合适，所以耗时不一定随 NSIM 增大而持续下降。

对本文的 P100／V100 算例，16 和 32 是多数工作量值得先试的候选；小负载可比较 4、8，大体系的 Γ 单点单卡还值得比较 64。具体应该选哪个，需要在同一卡数、同一 KPAR下比较，不能把不同分组的时间差都归因于 NSIM。

2.3 查不可约 k 点：以 VASP 的输出为准#

6×6×6 网格有 216 个完整网格点，但经过对称性约简后，实际计算的 NKPTS 可能远小于 216。不同晶胞形状、原子位置、磁性和对称性设置都会改变约简结果。

已有同一计算设置的 OUTCAR 时，在计算目录执行：

grep -m1 -E 'NKPTS[[:space:]]*=' OUTCAR
grep -m1 -E 'NBANDS[[:space:]]*=' OUTCAR

也可以查看 IBZKPT 的第二行：

awk 'NR==2 {print "不可约k点数:", $1}' IBZKPT

应读取当前 POSCAR、POTCAR、KPOINTS 和磁性／对称性设置对应的输出。更换这些设置后，旧 OUTCAR 中的 NKPTS 不再能直接代表新计算。

3. 测试条件与读图方法#

3.1 这些时间对应怎样的计算#

图中的时间不是从程序启动到退出的总墙钟时间，也不是单个电子步时间。固定 30 步用于让参数比较具有一致工作量；生产计算仍应采用自己的收敛要求，不需要照搬 NELMIN=30。Γ 单点也使用 vasp_std，本指南不代表专用 vasp_gam 的性能。

3.2 原子数、k 点数和能带数需要一起看#

较疏网格各方向 k×a 约 32.25～32.91Å，作为结构优化用途的采样示例；较密网格约 43.01～49.36Å，作为电子结构用途的采样示例。这两个范围用于说明测试工作量，不能代替具体材料的 k 点收敛测试。这里比较的是固定结构 SCF 阶段，并非一次完整结构优化或完整 DOS／能带工作流。

扩胞后原子数增加，但保持近似 k 点密度时，所需网格会变小，因此 NKPTS 不会与原子数一起增长。判断 GPU 是否有足够工作量时，应该同时看原子数、NBANDS 和 NKPTS。这也是 8 原子多 k 点算例与 8 原子 Γ 单点算例表现很不一样的原因。

3.3 怎样从图里选参数#

• 每张图包含六个原子规模；面板标题列出实际 NKPTS 和 NBANDS。
• KPAR 图固定 NSIM=32：横轴 KPAR、纵轴卡数，在同一行比较分组。Γ 单点图只有 KPAR=1，展示固定参数下的卡数变化。
• NSIM 图固定每行的卡数与 KPAR：例如“4卡／K2”表示四卡、KPAR=2，横向比较 NSIM=4／8／16／32／64。
• 数字和线性色标都表示秒，越浅表示越快。各面板独立设置色标范围，跨原子规模比较时应读数字，不能只比颜色深浅。
• 橙框表示该行已测有效候选中的最短时间；只有一个有效候选的行不框选。灰格“未测”没有数据，红格“失败”未通过完整计算检查，“—”表示该 KPAR 不适用于对应进程数。

以下讨论使用 992 条有效测量。每组配置只有一次有效测量，没有统计误差条；接近的时间应当视为近优候选。疏、密网格采用分阶段搜索，没有测遍所有组合，所以第 8 节给出的是最快已测候选，不是所有可能设置中的绝对最优值。

4. 较疏网格：大体系不必把每张卡都分成独立 k 点组#

这一档六种规模的 NKPTS 分别为 64、16、8、8、8、8。小晶胞有较多独立 k 点，而 64～216 原子体系只有八个实际 k 点，较大的工作量集中在每个 k 点的能带计算中。

4.1 KPAR 的结果：从大分组转向保留组内协作#

图 A1：P100 较疏网格 KPAR 实测耗时#

固定 NSIM=32，同一行比较不同 KPAR；数字与色标单位均为秒。

图 A2：V100 较疏网格 KPAR 实测耗时#

固定 NSIM=32，同一行比较不同 KPAR；数字与色标单位均为秒。

先看八卡、固定 NSIM=32 时，六种规模中时间最短的 KPAR：

8 原子：k 点多，较大的 KPAR 很有效。 NKPTS=64，P100 和 V100 在双／四／八卡上，固定 NSIM=32 的较优 KPAR 分别是 2／4／8。以八卡为例，P100 从 KPAR=1 的 56.02 秒降到 KPAR=8 的 19.25 秒；V100 对应为 39.53 秒和 17.31 秒。这里每组能够分到多个 k 点，分组收益很清楚。

32 原子：八卡时已经不需要一律选 KPAR=8。 NKPTS=16，双／四卡固定 NSIM=32 时，两种 GPU 都以 KPAR=2／4 较优；八卡则变为 P100 的 KPAR=4、V100 的 KPAR=2。继续增大 KPAR 并没有保持前面小晶胞的优势。对这类中间负载，应把 2 和 4 都纳入八卡候选。

64、96、144 原子：较小的 KPAR 成为主要候选。 这三个体系均为 NKPTS=8。固定 NSIM=32 时，P100 四卡以 KPAR=2 较优，V100 四卡以 KPAR=1 较优；两种 GPU 的八卡都以 KPAR=2 较优。原子规模增大以后，为每个 k 点保留更多组内进程，比把每个 k 点拆到单卡上更合适。

216 原子：八卡上仍以 KPAR=2 更快。 八卡、NSIM=32 下，P100 的 KPAR=1／2／4／8 分别用时 167.30／140.32／166.33／189.93 秒；V100 分别为 94.50／90.48／111.83／160.42 秒。两种平台都应优先比较 KPAR=1、2，而不是因为“八卡、八个 k 点”就直接采用 8。

这些结果说明，KPAR 的选择不能只看 NKPTS 能否被卡数整除，还要看单个 k 点的计算量。 从分组方式看，KPAR=2 在八卡上保留了每组四个进程，KPAR=8 则每组只有一个进程。实测趋势与这种计算分配差异一致；这些计时本身并未进一步分解通信、FFT 和矩阵计算各占多少时间。

4.2 NSIM 的结果：16／32 常见，较小批量也有适用场景#

图 A3：P100 较疏网格 NSIM 实测耗时#

同一行的卡数和 KPAR 固定，比较 NSIM=4／8／16／32／64；数字与色标单位均为秒。

图 A4：V100 较疏网格 NSIM 实测耗时#

同一行的卡数和 KPAR 固定，比较 NSIM=4／8／16／32／64；数字与色标单位均为秒。

小体系多卡时，NSIM=8 值得试。 8 原子、八卡、KPAR=8 下，按 NSIM=4／8／16／32／64 的顺序，P100 用时 19.69／18.67／18.84／19.25／20.02 秒，V100 用时 16.37／15.90／16.76／17.31／18.49 秒。两种 GPU 都以 8 最短，直接从 32 增大到 64 反而更慢。这说明“GPU 一定要大 NSIM”需要结合当前工作量理解。

32、64 原子以中等批量为主，但不必固定一个值。 32 原子 P100 四卡最快已测配置是 KPAR=4、NSIM=8，31.86 秒；64 原子 P100 四卡则是 KPAR=2、NSIM=16，41.68 秒。V100 32 原子四卡的最快已测候选仍是 NSIM=32，64 原子四卡则是 NSIM=16。卡数相同并不意味着 NSIM 相同。

96、144 原子通常先比较 16 和 32。 96 原子 V100 八卡、KPAR=2 下，五个 NSIM 的时间为 37.51／33.98／32.80／32.95／35.59 秒，16 与 32 很接近，4 和 64 都没有优势。144 原子单／双卡的最快已测候选在两种平台上均为 NSIM=16，八卡则均为 32。选择时应按同一行的时间比较，而不是只沿原子数递增地调大 NSIM。

216 原子单卡中，NSIM=32 已经接近这一档的较优批量。 P100 单卡五个候选分别为 586.42／519.57／486.17／486.09／504.36 秒，V100 为 400.19／375.22／358.12／354.89／358.64 秒。4 明显偏慢，继续增大到 64 也没有超过 32。对这种工作量，可以先以 16／32 为中心，再向两侧试。

4.3 为什么调好 NSIM 后，还要回头检查 KPAR#

KPAR 图固定的是 NSIM=32，而最终参数表是在全部有效候选中选择，两者回答不同的问题。例如 32 原子 V100 八卡，固定 NSIM=32 时 KPAR=2 用时 20.42 秒；联合比较后，KPAR=4、NSIM=16 的 19.79 秒更短。因此，先选 KPAR、再选 NSIM 后，还应使用选出的 NSIM 复核相邻 KPAR。

216 原子 P100 四卡也说明了这种相互影响：NSIM=16 时，KPAR=2／4 为 225.69／235.70 秒；NSIM=32 时则为 226.89／225.83 秒。两组的排序会变化。最终 KPAR=2、NSIM=16 与 KPAR=4、NSIM=32 的差异只有约 0.14 秒，应把它们视为近优候选，避免把一次测量中的小差异当成稳定优势。

用于自己的较疏网格计算时： 小晶胞且 k 点多，可以从较大的合法 KPAR 开始；NKPTS 较少、能带较多的四／八卡任务，优先比较 KPAR=1、2、4，再围绕 NSIM=16、32 调整。P100 和 V100 应分别试算，不要只复制另一种卡的最佳组合。

5. Γ 单点：KPAR 固定为 1，卡数与 NSIM 决定剩余空间#

Γ 单点只有一个实际 k 点，无法通过增加 k 点组来获得并行收益。因此本节始终使用 KPAR=1，比较同一组内的多卡协作和 NSIM。图 A5、A6 只展示固定 NSIM=32 的卡数变化，不是多个 KPAR 的扫描。

5.1 卡数的结果：很小体系会较早达到收益上限#

图 A5：P100 Γ 单点 KPAR 实测耗时#

KPAR=1、NSIM=32，比较单／双／四／八卡；横轴只保留 KPAR=1。

图 A6：V100 Γ 单点 KPAR 实测耗时#

KPAR=1、NSIM=32，比较单／双／四／八卡；横轴只保留 KPAR=1。

8 原子：四卡到八卡没有继续缩短时间。 经过已测 NSIM 的选择，P100 单／双／四／八卡最快已测时间分别为 5.59／3.83／2.89／3.17 秒，V100 为 5.05／3.62／2.45／2.62 秒。这与小工作量下多卡协作开销难以被计算收益抵消的情况一致；从实际节省的时间看，不适合仅为这类任务申请八卡。

32、64 原子：八卡仍更快，但最后增加的卡数节省的时间有限。 32 原子 P100 四卡与八卡为 7.59／6.32 秒，V100 为 6.34／4.99 秒；64 原子 P100 为 13.69／9.77 秒，V100 为 10.77／7.83 秒。应结合剩余计算量和资源可用情况决定是否继续加卡。大量相互独立的小任务，也可以考虑把 GPU 分配给不同作业。

96、144、216 原子：同一 k 点仍有足够工作量受益于多卡。 216 原子 P100 单／双／四／八卡最快已测时间为 162.25／106.83／68.71／46.30 秒，V100 为 126.52／85.28／52.39／32.74 秒。Γ 单点不能利用 k 点组并行，但并不意味着大体系只能使用单卡。

5.2 NSIM 的结果：单卡大体系与多卡不宜沿用同一批量#

图 A7：P100 Γ 单点 NSIM 实测耗时#

同一行的卡数和 KPAR 固定，比较 NSIM=4／8／16／32／64；数字与色标单位均为秒。

图 A8：V100 Γ 单点 NSIM 实测耗时#

同一行的卡数和 KPAR 固定，比较 NSIM=4／8／16／32／64；数字与色标单位均为秒。

8 原子以较小 NSIM 为主。 两种 GPU 单卡均以 NSIM=4 最快，四卡均以 8 最快。例如 V100 四卡五个 NSIM 用时为 2.48／2.45／2.53／2.69／2.83 秒，增大到 32、64 没有加速。这个结果只说明当前极小 Γ 负载的较优候选，不意味着其他 GPU 算例都应使用 4。

32、64 原子需要区分单卡与多卡。 P100 单卡在这两种规模上均以 NSIM=64 最快；V100 32 原子单卡以 16 最快，64 原子单卡则以 64 最快。四卡的较优 NSIM 主要是 8 或 16。相同 NBANDS 放到更多 GPU 上以后，每卡实际参与的工作改变，单卡较优值不必继续适合四／八卡。

96、144 原子中，16／32／64 都有各自适用配置。 96 原子 P100 单／双卡以 64 最快，四卡以 16、八卡以 8 最快；V100 对应为 32／16／16／16。144 原子 P100 单／双卡以 64 最快，四／八卡为 32／16；V100 单／双／四卡为 32，八卡为 16。平台和卡数的差异，比“原子更多就把 NSIM 加大”的规则更值得关注。

216 原子的完整曲线最直观。 单卡按 NSIM=4／8／16／32／64，P100 为 184.35／175.02／172.30／172.34／162.25 秒，V100 为 149.51／145.81／143.82／134.36／126.52 秒；两者都以 64 最短。八卡 P100 则为 53.92／49.68／46.30／46.70／46.93 秒，V100 为 37.34／33.69／32.74／32.95／35.16 秒；两者都变为 16 最短。

用于自己的 Γ 单点计算时： KPAR 保持 1。先在合理卡数上比较 NSIM=16、32；很小体系补测 4、8，大体系单卡或双卡可补测 64。不要因为单卡 NSIM=64 较快，就把它直接带到八卡配置中。最终是否采用专用 vasp_gam，应另按该程序进行测试，不能直接用本文 vasp_std 的秒数替代。

6. 较密网格：k 点增加后，较优分组可能发生变化#

这一档六种规模的实际 NKPTS 为 125、45、27、18、12、8。相比较疏网格，前五种规模增加了实际 k 点工作量。即便结构与 NBANDS 不变，也应重新选择 KPAR 和 NSIM。

6.1 KPAR 的结果：较多 k 点使较大分组更有机会#

图 A9：P100 较密网格 KPAR 实测耗时#

固定 NSIM=32，同一行比较不同 KPAR；数字与色标单位均为秒。

图 A10：V100 较密网格 KPAR 实测耗时#

固定 NSIM=32，同一行比较不同 KPAR；数字与色标单位均为秒。

先看八卡、固定 NSIM=32 时，各体系最短已测候选：

8、32 原子：两种平台都适合优先试大 KPAR。 这两种规模有 125 和 45 个实际 k 点。固定 NSIM=32 时，两种 GPU 的双／四／八卡均以 KPAR=2／4／8 较优。联合选择 NSIM 后，8 原子八卡 P100 为 31.69 秒，V100 为 27.05 秒；32 原子八卡分别为 41.83 秒和 33.92 秒。原子少并不代表多卡无效，较多 k 点本身就能提供可并行的工作。

64 原子：P100 与 V100 的较优 KPAR 开始分开。 NKPTS=27，P100 八卡、NSIM=32 下以 KPAR=8 较优，V100 则以 KPAR=2 较优。NSIM 扫描后，P100 最快已测配置为 KPAR=8、NSIM=16，58.02 秒；V100 为 KPAR=4、NSIM=16，46.34 秒。V100 在 NSIM=32、KPAR=2 时为 49.42 秒，因此只看固定 NSIM 的 KPAR 图还不够。

96 原子：八卡继续优先比较较小 KPAR。 NKPTS=18，两种 GPU 的四卡、NSIM=32 以 KPAR=4 较优，八卡却都转为 KPAR=2。联合候选中，八卡 P100 为 KPAR=2、NSIM=32，89.04 秒；V100 为 KPAR=2、NSIM=16，58.11 秒。把卡数翻倍时，没有必要同时把 KPAR 翻倍。

144 原子：十二个实际 k 点下，平台差异仍然存在。 固定 NSIM=32，P100 四／八卡较优 KPAR 为 4／4，V100 为 1／2。联合选择后，八卡 P100 为 KPAR=4、NSIM=32，112.30 秒，V100 为 KPAR=2、NSIM=32，71.13 秒。这类负载可以从 2、4 开始比较，再补充 1 或 8。

216 原子：仍应优先试 KPAR=2。 该规模密网格实际 NKPTS 仍为 8。八卡、NSIM=32 下，P100 的 KPAR=1／2／4／8 分别为 167.17／140.13／157.53／198.27 秒；V100 为 95.58／90.38／111.61／160.88 秒。与较疏网格一样，大 KPAR 没有成为最短候选。

6.2 NKPTS 不能整除 KPAR，是否一定不划算#

不一定。例如密网格 8 原子 NKPTS=125、32 原子 NKPTS=45，都不能被 8 整除，但本批八卡最快已测候选仍采用 KPAR=8。k 点数量较多时，各组相差一个 k 点的相对负载差可能较小；与较小 KPAR 相比，增加独立组数的收益仍可能更大。

反过来，216 原子 NKPTS=8 可以被 KPAR=8 整除，但实测 KPAR=2 更快。均分是值得考虑的条件，不能单独用它决定最佳参数。 应先满足进程分组要求，再结合每个 k 点的计算量比较时间。

6.3 NSIM 的结果：多数先试 16／32，再检查分组相互影响#

图 A11：P100 较密网格 NSIM 实测耗时#

同一行的卡数和 KPAR 固定，比较 NSIM=4／8／16／32／64；数字与色标单位均为秒。

图 A12：V100 较密网格 NSIM 实测耗时#

同一行的卡数和 KPAR 固定，比较 NSIM=4／8／16／32／64；数字与色标单位均为秒。

32～144 原子中，16 与 32 是主要候选。 32 原子在两种 GPU 的单／双／四／八卡中，最快已测候选均使用 NSIM=16。64 原子 P100 也全部以 16 最快；V100 双／四卡则以 8 最快。96、144 原子八卡中，P100 以 32 较优，V100 的 96 原子以 16、144 原子以 32 较优。需要按平台和资源分别选择。

64 原子八卡的 NSIM 对比说明，增大到 64 没有继续收益。 P100、KPAR=8 的五个时间为 63.29／59.91／58.02／61.84／60.88 秒；V100、KPAR=4 为 51.10／47.52／46.34／50.74／51.31 秒。两者均以 16 最短。96 原子 V100 八卡、KPAR=2 的时间为 68.91／61.34／58.11／59.11／63.21 秒，同样以 16 较优。

216 原子不要机械沿用 Γ 单点单卡的 NSIM=64。 本档单卡两种平台都以 NSIM=32 最快，八卡也都是 KPAR=2、NSIM=32。同一规模的 Γ 单点单卡却以 64 较优，说明网格变化后，NSIM 的候选顺序应重新确认。

图中的 32 原子部分 NSIM=64 组合未完成规定的完整 30 步，已标成失败。它们不参与最短时间比较，也不能把已运行的较少步数时间当成“更快”。这并不代表 NSIM=64 在所有体系都不可用：第 5 节的大体系 Γ 单点已有有效且较快的 64 结果。

6.4 怎样把疏网格参数迁移到密网格#

64 原子 P100 八卡，较疏网格最快已测配置为 KPAR=2、NSIM=8，27.85 秒；较密网格变成 KPAR=8、NSIM=16，58.02 秒。这里两次计算的 k 点工作量不同，不能把时间增加归因于换了 KPAR，但参数变化明确说明应重新调优。

216 原子两个网格的实际 NKPTS 和 NBANDS 相同，八卡的较优参数也相同，时间很接近。耗时接近并不表示两个网格具有相同采样精度。 网格位置、权重与采样密度仍是科学精度问题，应单独检查收敛。

用于自己的较密网格时，可以先保留原较优配置作为基准，再加入更大的合法 KPAR。尤其是 k 点明显增加的小／中晶胞，应重新比较 4、8；每选出新的 KPAR，再比较 NSIM=16、32，并用较优 NSIM 回头检查其他分组。

7. 从结果中决定：该用几张卡，是否需要换平台#

7.1 原子数不能单独决定卡数#

同为 8 原子，Γ 单点 P100 四卡已约 2.89 秒，八卡没有继续缩短；密网格 P100 却从单卡的 178.61 秒缩短到八卡的 31.69 秒。差别来自工作量，尤其是实际 k 点数量，而不是原子数标签。

对于 96～216 原子的本批 Si 计算，三档网格中四卡到八卡都继续缩短了最快已测时间。以 216 原子疏网格为例，P100 四／八卡为 225.69／140.32 秒，V100 为 142.72／90.48 秒。这类较大工作量更值得比较八卡；小负载则应重点看增加卡数后实际节省了多少秒。

选择资源时可以分别考虑“单个任务尽快完成”和“同时完成更多独立任务”。八卡计算更快，并不自动说明把八张卡都放在一个小任务上最合适。大量独立的秒级小任务，应同时考虑作业启动时间、排队情况和任务分配方式。

7.2 P100 和 V100 的参数需要分别比较#

本批三档网格、六种规模、四种卡数形成 72 组对应资源对照。在每组各自选择最快已测参数后，V100 的时间均短于 P100。例如密网格 144 原子八卡，P100 为 112.30 秒，V100 为 71.13 秒；Γ 单点 216 原子八卡分别为 46.30 秒和 32.74 秒。

这个比较代表本集群这两台节点及其软件环境的整体表现。GPU 型号、节点 CPU 和多卡互联都不同，不能仅凭这些总时间把全部差异归到某一个硬件因素。对用户更直接的启示是：换到另一种 GPU 后，保留科学输入，重新检查 KPAR 和 NSIM。

7.3 哪些经验可以直接用，哪些需要自己验证#

可直接用于本文标准配置的操作规则是：每卡一个 MPI 进程；KPAR 整除进程数；Γ 单点保持 KPAR=1；GPU 程序使用 NCORE=1。VASP 官方 GPU 文档也要求每个 GPU 一个 MPI 进程，并指出 KPAR、NSIM 的较优值随体系和负载变化。

本文时间和参数来自 Si、PBE、ALGO=Normal、非磁性普通版 vasp_std。更换材料、ENCUT、NBANDS、真空层、算法，或使用磁性、SOC、杂化泛函及扩展功能后，应以自己的短试算决定最终组合。参数表可以缩小候选范围，但不能保证其他计算达到同一秒数或同一最优值。显存是否足够也要在实际配置中确认，不能从最短时间反推。

8. 参数速查：六种规模、三档网格与四种卡数#

每格格式为“时间（秒）；KPAR／NSIM”。例如“140.318；2／32”表示该资源组最快已测时间为 140.318 秒，配置为 KPAR=2、NSIM=32。

下表联合考虑 KPAR 与 NSIM，因此可能与固定 NSIM=32 的 KPAR 图选出不同分组。表中三位小数用于准确对应数据，不表示近似时间差具有相同的统计确定性。

较疏网格 · P100#

较疏网格 · V100#

Γ 单点 · P100#

Γ 单点 · V100#

较密网格 · P100#

较密网格 · V100#

9. 实际操作：修改资源、短试算、确认结果#

9.1 先获取与账户、GPU 和版本匹配的模板#

在集群运行 yskit，进入“复制 Slurm 脚本”，选择 VASP、程序版本及节点类型。使用对应账户的队列模板，可以避免 GPU 类型、队列名称与程序模块不匹配。

本集群标准模板加载相应 VASP module，由模块准备编译器、MPI 和库环境。不要在同一脚本中再随意加载另一套 MPI 或编译器。GPU 版不沿用 CPU 的 NCORE=7、14 等分组；本文配置显式使用 NCORE=1，INCAR 中无需额外手工设置 NPAR。

9.2 增加卡数时，同步修改 MPI 进程数#

以下是核时账户、P100 双卡、普通 VASP 6.6.1的示例。其他账户或 GPU 应使用自己的对应模板。

#!/bin/bash
#SBATCH --job-name=vasp_gpu
#SBATCH --partition=gpu-8p100-hs
#SBATCH --nodes=1
#SBATCH --cpus-per-task=1
#SBATCH --ntasks=2
#SBATCH --gres=gpu:p100-16g:2
#SBATCH --output=%j.out

module load vasp/6.6.1-p100 || exit $?
export NO_STOP_MESSAGE=1
VASP_BIN="${VASP_ROOT}/vasp_std"
export OMP_NUM_THREADS="${SLURM_CPUS_PER_TASK}"

mpirun --bind-to none -np "${SLURM_NTASKS}" "${VASP_BIN}"

改为四卡时，把 --ntasks=2 和 --gres=gpu:p100-16g:2 中的数量都改成 4；改为八卡则都改成 8。--cpus-per-task=1 继续保持每个 MPI 进程一个 CPU 核心，与本文测试条件一致。

V100-16GB 核时模板使用 gpu-8v100-16g-hs 队列、gpu:v100-16g:N 资源和 vasp/6.6.1-v100 模块；套餐账户应从 yskit 获取对应套餐队列模板。实际卡数由 Slurm 分配，INCAR 的 KPAR 决定这些进程怎样分组。

双卡的一个起始并行配置为：

KPAR = 2
NCORE = 1
NSIM = 32

这三行需要与其他科学参数合并使用。Γ 单点应把 KPAR 改为 1；四／八卡需要按 NKPTS 和负载重新比较合法候选，不能只照抄双卡设置。

9.3 用少量候选完成自己的调参#

1. 准备可比较的输入。 保持 POSCAR、POTCAR、KPOINTS、ENCUT、算法和收敛要求一致；各候选采用同样的启动方式，避免一组从已有 WAVECAR 开始、另一组从头开始。
2. 确认实际工作量。 查看 NKPTS、实际 NBANDS 和完成的电子步数。并行配置可能影响自动补齐的 NBANDS，若实际能带数不同，就不能把全部时间差解释为参数加速。
3. 固定 NSIM 比 KPAR。 多 k 点计算可先固定 NSIM=32，按第 1、2 节选两三个分组；Γ 单点跳过这一轮，保持 KPAR=1。
4. 固定较优 KPAR 比 NSIM。 先测 16、32；按结果增加 8、64，极小负载可增加 4。比较同一工作量的时间，同时观察显存余量。
5. 交叉确认。 用选出的 NSIM 复核其他有竞争力的 KPAR；时间很接近时再测一次。最后检查正常退出、收敛状态、能量与力是否满足计算要求，再用于正式任务。

试算可以使用固定的少量电子步，但各组应完成相同工作量。若只为计时调整了 NELM／NELMIN，应在正式计算时恢复自己的收敛设置。VASP 官方也建议使用接近真实任务的短计算比较候选，并在目标硬件上选择参数。

9.4 用哪个时间比较#

查看 OUTCAR 的 LOOP+ 行：

grep 'LOOP+:' OUTCAR

比较 real time 后面的秒数。本文固定结构算例只有一条 LOOP+，对应完整 30 步自洽及相关后处理阶段。多离子步的结构优化会有多条 LOOP+；可以比较总和，也可以比较电子步数相近的稳定离子步，但需要在所有候选中采用同一口径。

OUTCAR 尾部的 Elapsed time 包含更完整的程序墙钟时间，适合衡量从启动到退出的成本。若关心的是作业总耗时，也可以看它；但不要把它与本文图中的 LOOP+ 混合比较。最快参数也必须通过计算完整性和数值检查，提前停止的输出不能作为成功的性能结果。

合集

《VASP GPU 加速专题一：发展历程、GPU选型》

《VASP GPU 加速专题二：VASP 多版本与扩展功能支持》

《VASP GPU 加速专题三：性能实测》

《VASP GPU 加速专题四：计算准确性》

《VASP GPU 加速专题五：加速参数选择》

《VASP GPU 加速专题六：显存容量规划》