stringtranslate.com

Молекулярное моделирование на графических процессорах

Моделирование ионной жидкости на GPU ( Abalone )

Молекулярное моделирование на GPU — это метод использования графического процессора (GPU) для молекулярного моделирования . [1]

В 2007 году NVIDIA представила видеокарты, которые можно было использовать не только для отображения графики, но и для научных расчетов. Эти карты включают в себя множество арифметических блоков (по состоянию на 2016 год до 3584 в Tesla P100), работающих параллельно. Задолго до этого события вычислительная мощность видеокарт использовалась исключительно для ускорения графических расчетов. Новым было то, что NVIDIA сделала возможной разработку параллельных программ в высокоуровневом интерфейсе прикладного программирования (API) под названием CUDA . Эта технология существенно упростила программирование, позволив писать программы на C / C++ . Совсем недавно OpenCL обеспечил кроссплатформенное ускорение GPU.

Квантовые химические расчеты [2] [3] [4] [5] [6] [7] и моделирование молекулярной механики [8] [9] [10] ( молекулярное моделирование в терминах классической механики ) являются одними из полезных приложений этой технологии. Видеокарты могут ускорить расчеты в десятки раз, поэтому ПК с такой картой имеет мощность, сопоставимую с мощностью кластера рабочих станций на базе обычных процессоров.

Программное обеспечение для молекулярного моделирования с ускорением на GPU

Программы

API

Проекты распределенных вычислений

Смотрите также

Ссылки

  1. ^ Stone JE, Phillips JC, Freddolino PL, Hardy DJ, Trabuco LG, Schulten K (декабрь 2007 г.). «Ускорение приложений молекулярного моделирования с помощью графических процессоров». Журнал вычислительной химии . 28 (16): 2618–2640. CiteSeerX  10.1.1.466.3823 . doi :10.1002/jcc.20829. PMID  17894371. S2CID  15313533.
  2. ^ Ясуда К (август 2008 г.). «Ускорение вычислений функционала плотности с помощью графического процессора». Журнал химической теории и вычислений . 4 (8): 1230–1236. doi :10.1021/ct8001046. PMID  26631699.
  3. ^ Ясуда К (февраль 2008 г.). «Двухэлектронная интегральная оценка на графическом процессоре». Журнал вычислительной химии . 29 (3): 334–342. CiteSeerX 10.1.1.498.364 . doi :10.1002/jcc.20779. PMID  17614340. S2CID  8078401. 
  4. ^ Vogt L, Olivares-Amaya R, Kermes S, Shao Y, Amador-Bedolla C, Aspuru-Guzik A (март 2008 г.). «Ускорение разрешения тождества второго порядка Мёллера-Плессета квантово-химических вычислений с графическими процессорами». Журнал физической химии A . 112 (10): 2049–2057. Bibcode :2008JPCA..112.2049V. doi :10.1021/jp0776762. PMID  18229900. S2CID  4566211.
  5. ^ Уфимцев ИС, Мартинес ТХ (февраль 2008). «Квантовая химия на графических процессорах. 1. Стратегии для двухэлектронной интегральной оценки». Журнал химической теории и вычислений . 4 (2): 222–231. doi :10.1021/ct700268q. PMID  26620654.
  6. ^ Иван С. Уфимцев и Тодд Дж. Мартинес (2008). «Графические процессоры для квантовой химии». Computing in Science & Engineering . 10 (6): 26–34. Bibcode : 2008CSE....10f..26U. doi : 10.1109/MCSE.2008.148. S2CID  10225262.
  7. ^ Tornai GJ, Ladjánszki I, Rák Á, Kis G, Cserey G (октябрь 2019 г.). «Вычисление квантовых химических двухэлектронных интегралов с применением технологии компилятора на GPU». Journal of Chemical Theory and Computation . 15 (10): 5319–5331. doi :10.1021/acs.jctc.9b00560. PMID  31503475. S2CID  202555796.
  8. ^ Джошуа А. Андерсон; Крис Д. Лоренц; А. Травессет (2008). «Моделирование молекулярной динамики общего назначения, полностью реализованное на графических процессорах». Журнал вычислительной физики . 227 (10): 5342–5359. Bibcode : 2008JCoPh.227.5342A. CiteSeerX 10.1.1.552.2883 . doi : 10.1016/j.jcp.2008.01.047. 
  9. ^ Кристофер И. Родригес; Дэвид Дж. Харди; Джон Э. Стоун; Клаус Шультен и Вэнь-Мэй В. Хву. (2008). «Ускорение парных потенциалов отсечки на GPU для приложений молекулярного моделирования». В CF'08: Труды конференции 2008 года по передовым вычислительным технологиям, Нью-Йорк, США : 273–282.
  10. ^ Питер Х. Колберг; Феликс Хёфлинг (2011). «Высокоускоренное моделирование динамики стекла с использованием графических процессоров: Предостережения об ограниченной точности с плавающей точкой». Comput. Phys. Commun . 182 (5): 1120–1129. arXiv : 0912.3824 . Bibcode :2011CoPhC.182.1120C. doi :10.1016/j.cpc.2011.01.009. S2CID  7173093.
  11. ^ Юсиф Р. Х. (2020). «Изучение молекулярных взаимодействий между неокулином и рецепторами сладкого вкуса человека с помощью вычислительных подходов» (PDF) . Sains Malaysiana . 49 (3): 517–525. doi : 10.17576/jsm-2020-4903-06 .
  12. ^ Бейли Н., Ингебригтсен Т., Хансен Дж. С., Вельдхорст А., Бёлинг Л., Лемаршанд К. и др. (14.12.2017). "RUMD: универсальный пакет молекулярной динамики, оптимизированный для использования оборудования GPU вплоть до нескольких тысяч частиц". SciPost Physics . 3 (6): 038. arXiv : 1506.05094 . Bibcode :2017ScPP....3...38B. doi : 10.21468/SciPostPhys.3.6.038 . ISSN  2542-4653. S2CID  43964588.
  13. ^ Harger M, Li D, Wang Z, Dalby K, Lagardère L, Piquemal JP и др. (сентябрь 2017 г.). «Tinker-OpenMM: абсолютная и относительная алхимическая свободная энергия с использованием AMOEBA на графических процессорах». Журнал вычислительной химии . 38 (23): 2047–2055. doi :10.1002/jcc.24853. PMC 5539969. PMID  28600826 . 

Внешние ссылки