基于CPU-GPU集群的分子動力學并行計算研究.pdf

1、分子動力學模擬是一種離散模擬的方法，是計算量非常龐大的一種模擬分子運動的方法。其主要是以分子的運動規(guī)律為基礎(chǔ)，計算分子在一定時間內(nèi)的運動變化情況，根據(jù)計算過程中得到的數(shù)據(jù)，進行定性和定量的分析，從而得到分子體系的各種物理性質(zhì)和化學性質(zhì)?，F(xiàn)已廣泛的應用于物理、化學、生物、材料、醫(yī)學等各個領(lǐng)域。
　　 GPU專為密集型、高度并行化的計算而設計，CUDA技術(shù)的應用降低了GPU通用計算開發(fā)難度。單GPU的計算能力已經(jīng)比較強大，但是對于具

2、有實際意義的超大規(guī)模的模擬系統(tǒng)來說，分子量高達上千萬甚至上億，這種系統(tǒng)所需要的計算能力遠遠大于單GPU，因此發(fā)展多個GPU并行的計算體系是有一定研究和實際意義的。
　　 本文主要針對分子動力學大規(guī)模模擬系統(tǒng)的并行計算進行研究。搭建CPU-GPU集群并行計算平臺，集群中每個計算節(jié)點都以CPU為主處理器GPU為協(xié)處理器，將并行數(shù)值計算部分由GPU完成，其余操作由CPU完成。以CLIDA為開發(fā)環(huán)境，完成分子動力學模擬在此集群上的實現(xiàn)。

3、提出適合GPU計算的區(qū)域分解算法-“最小表面積法”進行并行任務的劃分，這是一種(元胞)靜態(tài)負載平衡算法，可以一定程度的降低集群中節(jié)點間通信代價，同時采用元胞列表法作為鄰近分子搜索算法，有利于在GPU上的并行計算。采用MPI消息通信機制，并提出了適合本文設計系統(tǒng)的消息傳遞方法，根據(jù)這些算法提出了適合在CPU-GPU集群上實現(xiàn)的并行方案。
　　 從測試數(shù)據(jù)可以看出，對于大規(guī)模分子模擬系統(tǒng)的計算來說，GPU的計算能力遠大于CPU的計算