新功能

新模擬方法

◆  TD-DFT 激發(fā)態(tài)計算支持解析頻率(frequencies, IR及Raman)、過渡態(tài)優(yōu)化(TS)及內稟反應坐標計算(IRC)。

◆  EOMCC 耦合簇運動方程(EOM-CC)方法支持結構優(yōu)化。

◆  VCD及ROA光譜支持非諧振計算，請參考 Freq=Anharmonic。

◆  支持電子振動光譜計算，請參考 Freq=FCHT 及相關選項。

◆  支持共振拉曼光譜計算，請參考 Freq=ReadFCHT。

◆  新密度泛函方法： M08 family, MN15, MN15L。

◆  新雙雜化泛函方法：DSDPBEP86, PBE0DH及PBEQIDH。

◆  PM7 半經驗方法。

◆  Adamo激發(fā)態(tài)電荷轉移分析，請參考 Pop=DCT。

◆  Caricato耦合簇運動方程(EOM-CC)溶劑化迭代模型，請參考 SCRF=PTED。

◆  廣義內坐標：可以任意定義內坐標用于限制性優(yōu)化或者其它目的，請參考 Geom=GIC 及GIC Info。

性能提升

◆  Hartree-Fock及DFT計算在Linux系統(tǒng)下支持NVIDIA K40及K80 GPUs. 具體請參考 Using GPUs。

◆  多核芯(數量較多)處理器的并行效率已經得到提升。對于多CPUs及集群如何優(yōu)化性能請參考 Parallel Performance。

◆  Gaussian 16使用優(yōu)化的內存算法來避免CCSD迭代時的磁盤讀寫。

◆  GEDIIS優(yōu)化算法效率已得到提升。

◆  CASSCF 方法活性空間≥ (10,10) 的計算性能得到提升并可以擴展至16個軌道(取決于分子類型)。

◆  W1 組合方法的核相關能(core correlation energies)計算速度得到巨大提升。

◆  Gaussian 16 對于復合電子傳播(composite electron propagator, CEP, DiazTinoco16)方法中的對角化、二階自能量近似(second-order self-energy approximation, D2)的計算性能得到巨大提升。請參考 EPT.

用法提升

◆  提供其它軟件的接口工具，包括匯編語言(Fortran和C)以及解釋語言(Python和Perl)。具體細節(jié)請參考 Interfacing to Gaussian 16。

◆  輸入文件Link 0 (%)中以及/或者 Default.Route 文件中的相關參數目前也能夠通過命令行形式或者環(huán)境變量指定。具體細節(jié)請參考 Link 0 Equivalences。

◆  優(yōu)化過程中可以指定每N步重新計算力常數。請參考Opt=Recalc。

與Gaussian 09的區(qū)別

默認參數

下列默認參數在Gaussian 16中與Gaussian 09不同:

◆  積分精度為10^-12 而不是Gaussian 09中的10^-10。

◆  DFT 默認格點為 UltraFine 而不是 G09中的FineGrid；CPHF默認格點為 SG1 而不是 CoarseGrid。具體細節(jié)請參考Integral。

◆  SCRF 默認為IEFPCM的對稱形式(symmetric form of IEFPCM) [Lipparini10] (Gaussian 09中沒有此功能)而不是非對稱形式。

◆  物理常數使用2010版而不是Gaussian 09中的2006版。

前兩項變化是為了保證一系列新方法的精度(如TD-DFT頻率, 非諧振ROA)，因此使用 Integral=(UltraFine,Acc2E=12) 作為默認選項。使用這些設置一般能提高數值積分的可靠性，比如溶劑化模型下的DFT優(yōu)化。相比于Gaussian 09的默認值Integral=(FineGrid,Acc2E=10)，此設置對CPU的需求稍有升高。

G09Defaults 關鍵詞能夠把上述默認值重新定義為Gaussian 09 默認值。它提供了與此前計算的兼容性，但對于新的計算我們推薦使用新的默認值。

默認內存值

Gaussian 16 默認內存為 %Mem=100MW (800MB)。使用多核計算大分子體系時使用更大的內存更為適合。具體細節(jié)請參考 Parallel Jobs。

TD-DFT頻率

TDDFT 頻率在計算二階導數時默認使用解析二階導數，這比數值導數快很多(數值導數在Gaussian 09中是唯一選項)。

GPUs的使用

Gaussian 16 在Linux系統(tǒng)下支持 NVIDIA K40及K80 GPUs。較早的GPUs不具備計算能力或者足夠的內存來運行Gaussian 16。Gaussian 16目前還不支持Tesla-Pascal系列顯卡。

作業(yè)內存分配

GPUs在計算時需要分配足夠的內存，這比使用CPUs計算時更重要，因為高效使用GUPs時會有大量任務同時運行。K40和K80系列顯卡擁有高達16 GB內存，一般情況下，大部分內存都應當用于Gaussian程序。比如每個GPU有12GB內存時，給Gaussian分配8-9 GB內存效果比較好；同理，每個GPU有16GB內存時，給Gaussian分配11-12 GB內存效果比較好。此外，每個CPU線程至少需要分配相同的內存用于控制GPU。

關于CPUs控制

當使用GUPs時，每個GPU必須由一個特定的CPU控制。該CPU應該在物理架構上更靠近所控制的GPU，并且GPUs不能共享CPUs控制。另外需要注意，用于控制GPU的CPUs 不能再用于做計算節(jié)點。

在裝有GUPs的系統(tǒng)上查看硬件架構可以使用 nvidia-dmi 功能。例如，下面演示的是雙芯片16核Haswell CPU及三芯片K80板(每個板擁有2個GPUs)的架構：

GPU0 GPU1 GPU2 GPU3 GPU4 GPU5 GPU6 GPU7 CPU  Affinity

GPU0    X  PIX  SOC  SOCSOCSOCSOCSOC0-15        第一塊芯片上的核

GPU1  PIX    X  SOC  SOCSOCSOCSOCSOC  0-15

GPU2  SOC  SOC    X  PIX  PHB  PHBPHBPHB16-31   第二塊芯片上的核    

GPU3  SOCSOC  PIX    X  PHB  PHBPHBPHB  16-31 

GPU4  SOCSOC  PHB  PHB    X  PIX  PXB PXB  16-31

GPU5  SOCSOC  PHB  PHB  PIX    X  PXB PXB  16-31

GPU6  SOCSOC  PHB  PHB  PXB  PXB    X PIX  16-31 

GPU7  SOCSOC  PHB  PHB  PXB  PXB  PIX   X  16-31

示例中最重要的部分是CPU親密度(CPU affinity)。此例中顯示 GPUs 0和1 (第一塊K80卡) 與第一塊CPUs芯片相連，而GPUs 2-7 (第二塊K80卡) 與第二塊CPUs芯片相連。

為Gaussian 作業(yè)指定GPUs及CPUs控制

用于計算的GPUs及用于控制的CPUs可通過Link 0 部分使用%GPUCPU 命令指定。此命令有一個參數：

%GPUCPU=gpu-list=control-cpus

其中 gpu-list 為GPU列表(用逗號隔開)，也可以是數值范圍(例如, 0-4,6)；control-cpus 為相似格式的控制CPU列表，這兩列的內容是GPU及控制CPU。

例如, 在配有6 GPUs的32核系統(tǒng)里，給一個作業(yè)分配所有CPUs (26 CPUs用于做部分計算) 及6CPUs用于控制GPUs可以在Link 0 部分使用如下命令：

%CPU=0-31                               控制CPUs也在此列表中。             

%GPUCPU=0,1,2,3,4,5=0,1,16,17,18,19                             

上述命令定義 CPUs 0-31 將用于此作業(yè)(盡管并不是所有CPUs都用于計算)。此作業(yè)將使用GPUs 0-5，并且CPU 0控制GPU0，CPU 1控制GPU1，CPU 16控制GPU2，CPU 17控制GPU3等等。注意控制CPUs也包含在%CPU列表中。

在上例中, GPU及CPU列中可以表述的更加簡潔：

%CPU=0-31                                      

%GPUCPU=0-5=0-1,16-19                                 

一般情況下我們都使用連續(xù)編號的核，但在一些特殊情況下并非如此。例如，假設在同一臺機器上已經有一個作業(yè)占用了6 CPUs，使用的是%CPU=16-21。那么，如果想要使用其它26 CPUs 并且其中6個用于控制GPUs，可以使用如下定義：

%CPU=0-15,22-31                   &nnbsp;       

%GPUCPU=0-5=0-1,22-25                                 

這個作業(yè)將會使用26個核，其中20個核用于計算，6個核用于控制GPUs (分別為CPUs 0, 1, 22, 23, 24, 25)。

GPUs及其性能

在對大分子體系進行DFT能量、梯度及頻率(適用于基態(tài)及激發(fā)態(tài))計算時，GPUs性能才有較好體現。小分子體系計算時并不能體現GPUs性能。此外，在后自洽場(post-SCF)計算中(例如MP2或CCSD)，使用GPUs效果并不明顯。

單個GPU計算速度比單個CPU快許多倍。但如今的機器往往CPUs數目遠超過GPUs，因此只有使用所有的CPUs及GPUs才能獲得最好的性能。

在某些情況下，GUPs預期加速效果會受到抑制，因為Gaussian 16將會使用到更多的CPUs。例如，假設GPU計算速度比CPU快5倍，那么使用GPU的計算速度相比于CPU將會是5倍。但是在一臺配備32CPUs及8GPUs的大型服務器下使用GPUs的預期加速效果卻是2倍：

Without GPUs: 32*1 = 32
With GPUs: (24*1) + (8*5) = 64          注意控制CPU并沒有參與計算
Speedup: 64/32 = 2

所以你必須認真考慮你的服務器配置及環(huán)境來決定該如何使用CPUs及GPUs

集群下的GPUs

支持集群中節(jié)點上的GPUs。因為 %CPU and %GPUCPU 只是定義了每個節(jié)點中的情況，因此要求每個節(jié)點有相同的配置，不過一般情況下集群中的節(jié)點配置都是相同的，所以通常這不是問題。

并行性能

共享內存并行(Shared-memory parallelism)

內存分配。大分子體系使用大基組計算時，分配更多的內存計算速度將更快。對于50個或者更多原子體系及/或500個或更多基函數的體系建議每個核分配4 GB內存。freqmem 功能可以估計基態(tài)及激發(fā)態(tài)頻率計算中單個線程所需要的內存大小。所需內存要按照使用的核數遞增，比如單核需要4GB，則8CPUs則需要32GB。當然，有些特殊硬件在內存大小上受到限制，但是內存需求隨著核數目的增長而線性增加是理想的目標。值得注意的是，在內存固定不變的情況下，隨著核數目增加（較多核情況下）計算性能無法提高。

對于大體系頻率計算及大體系（相對而言）CCSD和EOM-CCSD能量計算，建議有足夠的內存用來緩存大的磁盤文件。因此，Gaussian作業(yè)建議使用系統(tǒng)總內存的50-70%。例如，在一臺配有128 GB內存的服務器上，當使用所有CPUs時，一般指定64-80 GB，剩下的內存則用于系統(tǒng)本身的硬盤緩存。

綁定CPUs線程。當線程從一個CPU轉到另一個CPU時，會造成緩存無效或者引起其它問題，因此計算效率會明顯下降。在大多數服務器上，Gaussian 能夠把線程綁定到特定的CPUs上，特別在使用大量核時，這是推薦模式。Link 0部分的%CPU明確定義了所使用的CPUs數目，因此在一臺8核的服務器上，設定%CPU=0?7 比 %NProc=8更好，因為前者把第一個線程綁定到CPU 0上，下一個線程綁定到CPU 1，等等。

在一些老Intel處理器上(Nehalem及之前版本)，因其沒有足夠的內存帶寬而無法讓所有的CPUs工作，所以推薦使用一半CPUs并分配原來兩倍大小的內存。例如，在一臺四芯片12核(CPUs 0-11 位于第一個芯片；12-23 位于第二個芯片，等等)和128GB內存的服務器上，推薦使用24核(每個芯片使用6核)并為每個核指定72 GB/24 procs = 3 GB內存，而不是使用全部48核(每個核只有1.5GB內存)。輸入文件如下：

%Mem=72GB

%CPU=0-47/2

此處 /2 意味著將會間隔使用核芯，比如cores 0, 2, 4, 6, 8及10 (芯片0), 12, 14, 16, 18, 20及22 (芯片1)，等等。

新的Intel處理器 (Haswell及此后版本)因為內存帶寬有明顯改進，因此使用芯片上所有核進行計算時效果較好。

只要有足夠的內存以及每個線程都綁定到特定核時，使用64核甚至更多核計算時效率依然很高。

關閉超線程。超線程對于Gaussian無效，因為它把同一個物理CPU的資源（比如內存帶寬）分割給不同的線程。如果超線程無法關閉，Gaussian作業(yè)應該在每個物理CPU上只使用一個超線程。對于Linux系統(tǒng)，不同核的超線程是編組在一起的，比如一臺兩芯片（8核，3路超線程）的服務器，“CPUs” 0-7 為chip 0上的8核， 8-15為chip 1上的8核，16-23 為chip 0 上8核的第二個線程，等等。因此Gaussian作業(yè)建議指定%CPU=0?15。

集群并行(Linda)

適用范圍。Hartree-Fock及DFT能量、梯度、頻率計算以及MP2能量和梯度計算能夠在集群上有效并行，而MP2 頻率、CCSD及EOM-CCSD能量和優(yōu)化只支持SMP并行(單節(jié)點)。對于數值導數(Numerical derivatives)，比如DFT非諧振頻率和CCSD 頻率，支持Linda并行計算。

與SMP組合并行。共享式并行及集群并行能夠進行組合。一般來說集群中的每個節(jié)點都支持所有CPUs共享內存并行。注意 %CPU 及 %Mem 適用于集群中的每個節(jié)點。因此，如果一臺服務器有3個節(jié)點，名字為apple, banana 及cherry，每個節(jié)點有兩個芯片8核，此時可指定：

%Mem=64GB

%CPU=0-15

%LindaWorkers=apple,banana,cherry

# B3LYP/6-311+G(2d,p) Freq …

這樣每個節(jié)點將會運行16個線程，在3個節(jié)點上每個線程都綁定到一個核上，并且48個線程中每個線程將獲得4GB內存。

對于一些特殊情況(數值微分)，比如 Freq=Anharm, CCSD Freq，等等—將有另外一個節(jié)點用于收集結果。因此，這些計算會在管理節(jié)點(Gaussian 16啟動的節(jié)點)同時運行兩個任務，例如計算非諧振頻率，可指定：

%Mem=64GB

%CPU=0-15

%LindaWorkers=apple:2,banana,cherry

# B3LYP/6-311+G(2d,p) Freq=Anharm …

此處假設Gaussian 16在 apple節(jié)點啟動，這里將在apple節(jié)點啟動2個任務，一個僅用于收集結果，apple節(jié)點其它的核和banana及cherry將用于計算。

CCSD性能

CCSD, CCSD(T)及EOM-CCSD計算內存需求

如果有足夠內存來存儲振幅(amplitudes)及矢量積(product vectors)，上述計算則可以使用內存來避免讀寫錯誤而使計算變得更加高效。如果體系有 NO 個活性占據軌道(NOA in the output)及NV 個空軌道(NVB in the output)，那么所需內存則為 9NO²NV² 字節(jié)，這與所使用的核數無關。

Link 0中的等價定義

用于控制Gaussian 16運行的許多選項可以使用4種方法指定，其優(yōu)先級從高到低如下所示：

1. Link 0 輸入 (%-lines)：這是一個常用方法，它可以用于控制單個作業(yè)及并且它是多步計算中控制其中一個特定作業(yè)的唯一方式。例如：

%CPU=1,2,3,4

2. 命令行：當我們想使用不常見方式運行程序的時候此方法比較有用。例如：

g16 -c="1,2,3,4" …

3. 環(huán)境變量：此方法對于標準腳本，例如生成和提交作業(yè)到隊列系統(tǒng)時非常有用。例如：

export GAUSS_CDEF="1,2,3,4"

4. Default.Route文件：此方法對于我們想改變程序默認參數式非常有用。例如：

-C- 1,2,3,4

程序會首先檢查當前目錄下的Default.Route文件，然后 檢查Gausssian 16運行程序所在目錄，也就是環(huán)境變量GAUSS_EXEDIR所指定的目錄，此目錄一般為 $g16root/g16。

下表列出Link 0中最重要的命令以及他們的等價定義：

注意對于命令行與及環(huán)境變量的明確數值一般需要用引號標注，以避免系統(tǒng)shell改變這些參數。例如：g16 -c="1,2,3,4" …