基于GPU的分子動力學模擬方法研究.pdf

1、隨著集成電路技術(shù)的發(fā)展，圖形處理器(Graphics Processing Unit,GPU)的發(fā)展相當迅速，GPU的計算能力及存儲器帶寬均已大大超過目前主流CPU。將GPU作為CPU的協(xié)處理器完成大規(guī)模數(shù)據(jù)密集型的計算任務，相對于集群和超級計算機的實現(xiàn)，具有很高的每瓦特性能、每平方英尺性能和性能/價格比。另一方面，分子動力學(Molecular Dynamics，MD)模擬作為研究復雜凝聚態(tài)系統(tǒng)的有力工具，廣泛應用于物理、化學、生物、

2、材料、醫(yī)學等各個領(lǐng)域，但計算能力一直是制約其研究發(fā)展的瓶頸。因此，本文基于CUDA(Computer UnifiedDevice Architecture，統(tǒng)一計算設備架構(gòu))平臺，利用GPU完成分子動力學模擬具有重要的理論意義和現(xiàn)實意義。
　　 本文在對基于CUDA的GPU并行計算技術(shù)和分子動力學模擬方法進行深入研究的基礎上，將GPU與分子動力學模擬相結(jié)合，選取模擬耗時90％的分子間作用力計算部分，給出了基于CUDA的并行計算模

3、型，分析了并行計算方法，給出了基于GPU的分子動力學模擬算法流程，通過在Intel Dual-Core2.93GHzCPU和GeForce GTS250 GPU上進行了實現(xiàn)，測試結(jié)果表明GPU帶來了20倍的加速效果。在分析分子間作用力并行計算模型不足的基礎上，給出了一種改進的并行計算方法，并以測試結(jié)果說明了改進方法的有效性。
　　 分子動力學模擬的目的是獲取宏觀統(tǒng)計物理量，熱力學量就是一種常見的物理量。本文研究了GPU加速的熱力

4、學量提取方法，給出了熱力學量提取的CUDA并行化模型和算法流程，進行了CUDA并行實現(xiàn)和測試。結(jié)果表明，在誤差極小的情況下，基于GPU的熱力學量提取得到了190倍的速度提升。
　　 徑向分布函數(shù)(radial distribution function，RDF)也是一種常見的物理量，用來研究物質(zhì)的有序性和電子的相關(guān)性。本文研究了GPU加速的RDF提取方法，將鄰近分子搜索算法映射為GPU線程并行處理過程，給出了鄰近分子搜索的CUD