朱文强，傅 游，梁建国，郭 强，花 嵘

1(山东科技大学 计算机科学与工程学院，山东 青岛 266590)2(山东省计算中心(国家超级计算济南中心),济南 250101)

E-mail:huarong@sdust.edu.cn

1 引 言

分子动力学(molecular dynamics,MD)[1]作为一个科学计算领域的重要应用，它是高性能计算领域中具有很强代表性和挑战性的问题之一.针对不同的体系结构，研究者在HPC平台上提出各种技术进行分子动力学的加速运算.

2007年，James N.Glosli等[2]利用分子动力学实现了Kelvin-Helmholtz(KH)不稳定性的首次微米级模拟，进展主要体现在容错、内存优化和高效并行3个方向；2009年，David E等[3]针对分子动力学模拟生物分子系统，制造了一台特殊的超级计算机Anton，特殊的硬件极大地提高了MD的计算速度；张勤勇等[4]分析讨论了分子动力学模拟的算法特征和计算特点，采用基于消息传递的MPI设计平台,在可扩展机群上实现了并行化,获得了90%以上的并行效率；赵文辉等[5]提出一种针对分子动力学的Atomreorder算法，通过重新调整粒子顺序来增强程序的局部性，进而减少Cache的丢失.

随着图形处理单元(Graphics Processing Units，GPUs)功能的增强，加之分子动力学大多为数据并行计算，非常适合在其上运行.Jens Glaser等[6]在GPU上对HOOMD-blue程序进行并行优化，最终较CPU取得了12.5倍的加速；杨决宽等[7]在GPU平台提出了一种加速分子动力学仿真计算的方法，并计算了固体氩的导热系数，获得10到11倍的加速；张帅等[8]在GPU平台将分子动力学模拟中的原子划分和空间划分相结合，优化了用于近程力计算的Cell Verlet算法.目前常见的分子动力学软件NAMD,VMD,LAMMPS,AMBER,GROMACS等均已发布支持GPU计算的版本……