Modelowanie molekularne na GPU - Molecular modeling on GPUs

Image
Symulacja cieczy jonowej na GPU ( Abalone )

Modelowanie molekularne na GPU to technika wykorzystująca procesor graficzny (GPU) do symulacji molekularnych .

W 2007 roku firma NVIDIA wprowadziła karty graficzne, które można wykorzystać nie tylko do wyświetlania grafiki, ale także do obliczeń naukowych. Karty te zawierają wiele jednostek arytmetycznych (od 2016 r. do 3584 w Tesla P100) pracujących równolegle. Na długo przed tym wydarzeniem moc obliczeniowa kart wideo była wykorzystywana wyłącznie do przyspieszania obliczeń graficznych. Nowością jest to, że NVIDIA umożliwiła tworzenie programów równoległych w interfejsie programowania aplikacji wysokiego poziomu (API) o nazwie CUDA . Technologia ta znacznie uprościła programowanie, umożliwiając pisanie programów w języku C / C++ . Niedawno OpenCL umożliwia międzyplatformową akcelerację GPU.

Do korzystnych zastosowań tej technologii należą obliczenia chemii kwantowej i symulacje mechaniki molekularnej ( modelowanie molekularne pod kątem mechaniki klasycznej ). Karty graficzne mogą przyspieszyć obliczenia dziesiątki razy, więc komputer PC z taką kartą ma moc zbliżoną do mocy klastra stacji roboczych opartych na wspólnych procesorach.

Oprogramowanie do modelowania molekularnego przyspieszane przez GPU

Programy

API

  • BrianQC – ma otwarte API poziomu C do symulacji chemii kwantowej na GPU, zapewnia akcelerowaną przez GPU wersję Q-Chem i PSI
  • OpenMM – API do przyspieszania dynamiki molekularnej na procesorach graficznych, v1.0 zapewnia akcelerowaną przez GPU wersję GROMACS
  • mdcore — niezależna od platformy biblioteka typu open source do symulacji dynamiki molekularnej na nowoczesnych równoległych architekturach pamięci współdzielonej .

Projekty przetwarzania rozproszonego

  • Rozproszona infrastruktura superkomputerowa GPUGRID
  • Projekt przetwarzania rozproszonego Folding@home

Zobacz też

Bibliografia

Zewnętrzne linki