WikiDer > Молекулярное моделирование на графических процессорах
Molecular modeling on GPUs
Моделирование ионной жидкости на GPU (Морское ушко)
Молекулярное моделирование на GPU это техника использования графический процессор (GPU) для молекулярного моделирования.[1]
В 2007, NVIDIA представили видеокарты, которые можно было использовать не только для отображения графики, но и для научных расчетов. Эти карты включают в себя множество арифметических единиц (по состоянию на 2016 г.[Обновить], до 3584 в Tesla P100), работающих параллельно. Задолго до этого события вычислительная мощность видеокарт использовалась исключительно для ускорения графических вычислений. Новым было то, что NVIDIA позволила разрабатывать параллельные программы на высоком уровне. интерфейс прикладного программирования (API) с именем CUDA. Эта технология существенно упростила программирование, позволив писать программы на C/C ++. В последнее время, OpenCL позволяет кросс-платформенный Ускорение GPU.
Квантовая химия расчеты[2][3][4][5][6][7] и молекулярная механика симуляции[8][9][10] (молекулярное моделирование с точки зрения классическая механика) являются одними из полезных применений этой технологии. Видеокарты могут ускорять вычисления в десятки раз, поэтому ПК с такой картой имеет мощность, аналогичную мощности кластера рабочих станций на общих процессорах.
Программное обеспечение для молекулярного моделирования с ускорением на GPU
Программ
- Морское ушко - Молекулярная динамика (Контрольный показатель)
- ACEMD на графических процессорах с 2009 Контрольный показатель
- ЯНТАРЬ на графических процессорах версия
- Аскалаф на версии GPU - Аскалаф жидкий графический процессор
- BigDFT Ab initio программа на основе вейвлет
- BrianQC Квантовая химия (HF и DFT) и молекулярной механики
- Blaze виртуальный скрининг на основе лигандов
- CP2K Ab initio молекулярная динамика
- Десмонд (программное обеспечение) на графических процессорах, рабочих станциях и кластерах
- Светлячок (ранее PC GAMESS)
- FastROCS
- GOMC - Оптимизированный для графического процессора движок моделирования Монте-Карло
- GPIUTMD - Графические процессоры для динамики многих частиц
- GROMACS на графических процессорах [11]
- HALMD - Высокоускоренный крупномасштабный пакет MD
- HOOMD-синий - Высокооптимизированная объектно-ориентированная многочастичная динамика - Blue Edition
- ЛАМПЫ на версии GPU - лампы для ускорителей
- LIO Код, оптимизированный для графического процессора на основе DFT - [1]
- Осьминог имеет поддержку OpenCL.
- оксДНК - Грубое моделирование ДНК и РНК на графических процессорах
- PWmat - Моделирование функциональной теории плотности плоских волн
- ТераХим - Квантовая химия и ab initio Молекулярная динамика
- ТИНКЕР на графических процессорах.[12]
- VMD & NAMD на графических процессорах версии
- ЯСАРА выполняет моделирование MD на всех графических процессорах, используя OpenCL.
API
- BrianQC - имеет открытый API уровня C для моделирования квантовой химии на графических процессорах, предоставляет версию с ускорением на графическом процессоре. Q-Chem
- OpenMM - API для ускорения молекулярной динамики на GPU, v1.0 предоставляет версию GROMACS с GPU-ускорением
- mdcore - ан Открытый исходный код платформо-независимая библиотека для моделирования молекулярной динамики на современных Общая память параллельные архитектуры.
Распределенные вычислительные проекты
- GPUGRID распределенная суперкомпьютерная инфраструктура
- Складной @ дома проект распределенных вычислений
Смотрите также
- GPU
- Кластер GPU
- ГПГПУ
- Программное обеспечение для молекулярного дизайна
- Список программного обеспечения для квантовой химии и физики твердого тела
- Сравнение программного обеспечения для моделирования молекулярной механики
- Сравнение программного обеспечения для моделирования нуклеиновых кислот
- Редактор молекул
- Складной @ дома
- Смоделированная реальность
Рекомендации
- ^ Джон Э. Стоун, Джеймс К. Филлипс, Питер Л. Фреддолино, Дэвид Дж. Харди 1, Леонардо Г. Трабуко, Клаус Шультен (2007). «Ускорение приложений молекулярного моделирования с помощью графических процессоров». Журнал вычислительной химии. 28 (16): 2618–2640. CiteSeerX 10.1.1.466.3823. Дои:10.1002 / jcc.20829. PMID 17894371.CS1 maint: несколько имен: список авторов (связь)
- ^ Кодзи Ясуда (2008). «Ускорение функциональных вычислений плотности с помощью графического процессора». J. Chem. Теория вычислений. 4 (8): 1230–1236. Дои:10.1021 / ct8001046. PMID 26631699.
- ^ Кодзи Ясуда (2008). «Двухэлектронная интегральная оценка на графическом процессоре». Журнал вычислительной химии. 29 (3): 334–342. CiteSeerX 10.1.1.498.364. Дои:10.1002 / jcc.20779. PMID 17614340.
- ^ Лесли Фогт; Роберто Оливарес-Амайя; Шон Кермес; Ихан Шао; Карлос Амадор-Бедолла; Алан Аспуру-Гузик (2008). «Ускорение вычислений квантовой химии Меллера-Плессета второго порядка с разрешением идентичности с помощью графических процессоров». J. Phys. Chem. А. 112 (10): 2049–2057. Bibcode:2008JPCA..112.2049V. Дои:10.1021 / jp0776762. PMID 18229900.
- ^ Иван С. Уфимцев и Тодд Дж. Мартинес (2008). "Квантовая химия на графических процессорах. 1. Стратегии двухэлектронной интегральной оценки". J. Chem. Тео. Comp. 4 (2): 222–231. Дои:10.1021 / ct700268q. PMID 26620654.
- ^ Иван С. Уфимцев и Тодд Дж. Мартинес (2008). «Графические процессоры для квантовой химии». Вычислительная техника в науке и технике. 10 (6): 26–34. Bibcode:2008CSE .... 10f..26U. Дои:10.1109 / MCSE.2008.148.
- ^ Габор Й. Торнаи; Иштван Ладьянски; Адам Рак; Гергей Кис и Дьёрдь Черей (2019). «Расчет квантово-химических двухэлектронных интегралов с применением технологии компилятора на GPU». J. Chem. Тео. Comp. 15 (10): 5319–5331. Дои:10.1021 / acs.jctc.9b00560. PMID 31503475.
- ^ Джошуа А. Андерсон; Крис Д. Лоренц; А. Травессет (2008). «Универсальное моделирование молекулярной динамики, полностью реализованное на графических процессорах». Журнал вычислительной физики. 227 (10): 5342–5359. Bibcode:2008JCoPh.227.5342A. CiteSeerX 10.1.1.552.2883. Дои:10.1016 / j.jcp.2008.01.047.
- ^ Кристофер И. Родригес; Дэвид Дж. Харди; Джон Э. Стоун; Клаус Шультен и Вен-Мей В. Хву. (2008). "GPU-ускорение парных потенциалов отсечки для приложений молекулярного моделирования". In CF'08: Proceedings of the 2008 Conference on Computing Frontiers, New York, NY, USA.: 273–282.
- ^ Питер Х. Колберг; Феликс Хёфлинг (2011). «Высокоускоренное моделирование гладкой динамики с использованием графических процессоров: предостережения в отношении ограниченной точности с плавающей запятой». Комп. Phys. Comm. 182 (5): 1120–1129. arXiv:0912.3824. Bibcode:2011CoPhC.182.1120C. Дои:10.1016 / j.cpc.2011.01.009.
- ^ Юсиф, Рагид Хусам (2020). «Изучение молекулярных взаимодействий между неокулином и рецепторами сладкого вкуса человека с помощью вычислительных подходов» (PDF). Sains Malaysiana. 49 (3): 517–525. Дои:10.17576 / jsm-2020-4903-06.
- ^ М. Харгер, Д. Ли, З. Ван, К. Долби, Л. Лагардер, Ж.-П. Пикемал, Дж. Пондер, П. Рен (2017). «Tinker-OpenMM: Абсолютная и относительная алхимическая свободная энергия с использованием AMOEBA на графических процессорах». Журнал вычислительной химии. 38 (23): 2047–2055. Дои:10.1002 / jcc.24853. ЧВК 5539969. PMID 28600826.CS1 maint: несколько имен: список авторов (связь)