RSTSR 第二次报告：对电子结构程序的理解与需求：NumPy+Rust 视角​

1. 前言​

电子结构程序的程序开发是为了解决或发现化学、物质结构的科学问题；但其技术挑战经常与化学本身无关。电子结构程序需要同时兼顾 1) 开发效率与降低沟通成本 2) 程序效率与资源控制；这些也是其他学科的科学计算、甚至一般程序开发任务所需要解决的问题。

Rust 语言在部分计算机或其应用的领域中，有比较好的使用反响。但对于科学计算，Rust 鲜有出彩的工作；对于 Rust 是否适合科学计算，相信现在也没有可以达成统一共识的认识。

先前的 showcase_rust_riccsd 工作，相信可以表明，对于以 MP$n$、CC 为代表的电子结构所关心的问题，在合适的工具下，是可能达到比较好的开发效率和程序效率的平衡。为了表明这种可能性，我发展了 RSTSR 作为张量计算的程序工具。受制于眼界、能力、精力，这个工具未必是理想的；但我希望能借此工具，展示我对 Rust 科学计算程序的理解和期望，为满足电子结构的张量工具的开发提供一些思路。

本文档希望用简问简答的方式，展示我对电子结构程序开发和其所关心的程序问题的理解、以及对 Rust 语言的理解。本文档的后半部分会介绍 RSTSR 程序的开发思路。

一个好的程序工具，应该要能让用户一定程度地脱离繁琐的技术细节，而专注于用户自己的目标；这也是发展数学库工具的初衷。RSTSR 强烈地受 NumPy 的影响。我们有必要表明 NumPy 或者类似的数学库工具，是如何具体地在电子结构中使用的，它们的优劣在哪里，以及我们改进这些问题的思路。

本文档假设不考虑 GPU 异构或 MPI 规模并行。一些结论可能不适合这两类情形。

RSTSR 程序：基于 Python Array API 发展的 Rust 高维张量数据结构处理程序草案​

摘要​

编写科学计算程序时，数据的储存结构、以及如何利用该数据结构进行高效计算，是重要与基础的问题，且需要在早期规划。如今，以 NumPy、PyTorch 几乎成为高维张量数据结构的事实标准；后者也在异构编程上提供了相对统一的接口。但在 Python 以外的语言中，除了 C++ 下 LibTorch 库以外，其他语言鲜有对高维张量和异构编程同时的支持。我们希望 RSTSR 程序未来可以解决 Rust 语言下上述困境。目前的 RSTSR 程序基于 Python Array API 标准 (NumPy API 子集)，已正确实现了部分重要的高维张量运算与操作，并暴露了一部分接口，为高性能 CPU 计算、与 GPU 计算作准备。但对于重新实现 CPU 上实现大多数计算化学关心的问题的目标，以目前进度仍需要 5–10 周；CUDA 的支持则可能需要更多时间和精力。本文档将 1) 对现有矩阵或张量库作简要现状分析；2) 阐述 Rust 下张量库 RSTSR 的现实意义与目标；3) 对 RSTSR 已经实现的功能作技术说明。