El modelado molecular en GPU es la técnica de utilizar una unidad de procesamiento de gráficos (GPU) para simulaciones moleculares. [1]
En 2007, NVIDIA introdujo tarjetas de video que podrían usarse no solo para mostrar gráficos sino también para cálculos científicos. Estas tarjetas incluyen muchas unidades aritméticas (a partir de 2016 [actualizar], hasta 3584 en Tesla P100) que funcionan en paralelo. Mucho antes de este evento, el poder computacional de las tarjetas de video se usaba exclusivamente para acelerar los cálculos gráficos. La novedad es que NVIDIA hizo posible el desarrollo de programas paralelos en una interfaz de programación de aplicaciones (API) de alto nivel denominada CUDA . Esta tecnología simplificó sustancialmente la programación al permitir que los programas se escribieran en C / C ++ . Más recientemente, OpenCL permite la aceleración de GPU multiplataforma .
Los cálculos de química cuántica [2] [3] [4] [5] [6] [7] y las simulaciones de mecánica molecular [8] [9] [10] ( modelado molecular en términos de mecánica clásica ) se encuentran entre las aplicaciones beneficiosas de esta tecnología . Las tarjetas de video pueden acelerar los cálculos decenas de veces, por lo que una PC con una tarjeta de este tipo tiene una potencia similar a la de un grupo de estaciones de trabajo basadas en procesadores comunes.
Software de modelado molecular acelerado por GPU
Programas
- Abulón - Dinámica molecular (punto de referencia )
- ACEMD en GPU desde 2009 Benchmark
- AMBER en la versión de GPU
- Ascalaph en la versión de GPU - Ascalaph Liquid GPU
- Programa BigDFT Ab initio basado en wavelet
- BrianQC Química cuántica ( HF y DFT ) y mecánica molecular
- Cribado virtual basado en ligando Blaze
- Dinámica molecular CP2K Ab initio
- Desmond (software) en GPU, estaciones de trabajo y clústeres
- Firefly (anteriormente PC GAMESS)
- FastROCS
- GOMC : motor de simulación Monte Carlo optimizado para GPU
- GPIUTMD : procesadores gráficos para dinámica de muchas partículas
- GROMACS en GPU [11]
- HALMD : paquete MD a gran escala altamente acelerado
- HOOMD-blue : dinámica de muchas partículas altamente optimizada orientada a objetos, edición azul
- LAMMPS en la versión de GPU: lámparas para aceleradores
- Código optimizado de GPU basado en LIO DFT - [1]
- Octopus tiene soporte para OpenCL.
- oxDNA : simulaciones de grano grueso de ADN y ARN en GPU
- PWmat - Simulaciones de teoría funcional de densidad de onda plana
- TeraChem - Química cuántica y dinámica molecular ab initio
- TINKER en GPU. [12]
- VMD y NAMD en versiones de GPU
- YASARA ejecuta simulaciones de MD en todas las GPU que utilizan OpenCL .
API
- BrianQC : tiene una API de nivel C abierta para simulaciones de química cuántica en GPU, proporciona una versión acelerada por GPU de Q-Chem
- OpenMM : una API para acelerar la dinámica molecular en GPU, v1.0 proporciona una versión acelerada por GPU de GROMACS
- mdcore : una biblioteca de código abierto independiente de la plataforma para simulaciones de dinámica molecular en arquitecturas paralelas de memoria compartida modernas .
Proyectos de computación distribuida
- Infraestructura de supercomputación distribuida GPUGRID
- Proyecto de computación distribuida Folding @ Home
Ver también
- GPU
- Clúster de GPU
- GPGPU
- Software de diseño molecular
- Lista de software de química cuántica y física del estado sólido
- Comparación de software para modelado de mecánica molecular
- Comparación de software de simulación de ácidos nucleicos
- Editor de moléculas
- Plegable en casa
- Realidad simulada
Referencias
- ^ John E. Stone, James C. Phillips, Peter L. Freddolino, David J. Hardy 1, Leonardo G. Trabuco, Klaus Schulten (2007). "Aceleración de aplicaciones de modelado molecular con procesadores gráficos". Revista de Química Computacional . 28 (16): 2618–2640. CiteSeerX 10.1.1.466.3823 . doi : 10.1002 / jcc.20829 . PMID 17894371 .CS1 maint: varios nombres: lista de autores ( enlace )
- ^ Koji Yasuda (2008). "Aceleración de cálculos funcionales de densidad con unidad de procesamiento de gráficos". J. Chem. Computación teórica . 4 (8): 1230-1236. doi : 10.1021 / ct8001046 . PMID 26631699 .
- ^ Koji Yasuda (2008). "Evaluación integral de dos electrones en la unidad de procesamiento de gráficos". Revista de Química Computacional . 29 (3): 334–342. CiteSeerX 10.1.1.498.364 . doi : 10.1002 / jcc.20779 . PMID 17614340 .
- ^ Leslie Vogt; Roberto Olivares-Amaya; Sean Kermes; Yihan Shao; Carlos Amador-Bedolla; Alán Aspuru-Guzik (2008). "Acelerar los cálculos de química cuántica de Møller-Plesset de segundo orden de resolución de la identidad con unidades de procesamiento gráfico" . J. Phys. Chem. Una . 112 (10): 2049-2057. Código Bibliográfico : 2008JPCA..112.2049V . doi : 10.1021 / jp0776762 . PMID 18229900 .
- ^ Ivan S. Ufimtsev y Todd J. Martinez (2008). "Química cuántica en unidades de procesamiento gráfico. 1. Estrategias para la evaluación integral de dos electrones" . J. Chem. Theo. Comp . 4 (2): 222–231. doi : 10.1021 / ct700268q . PMID 26620654 .
- ^ Ivan S. Ufimtsev y Todd J. Martinez (2008). "Unidades de procesamiento gráfico para la química cuántica". Computación en ciencia e ingeniería . 10 (6): 26–34. Código bibliográfico : 2008CSE .... 10f..26U . doi : 10.1109 / MCSE.2008.148 .
- ^ Gábor J. Tornai; István Ladjánszki; Ádám Rák; Gergely Kis y György Cserey (2019). "Cálculo de integrales de dos electrones químicos cuánticos aplicando tecnología de compilador en GPU". J. Chem. Theo. Comp . 15 (10): 5319–5331. doi : 10.1021 / acs.jctc.9b00560 . PMID 31503475 .
- ^ Joshua A. Anderson; Chris D. Lorenz; A. Travesset (2008). "Simulaciones de dinámica molecular de propósito general completamente implementadas en unidades de procesamiento de gráficos". Revista de Física Computacional . 227 (10): 5342–5359. Código Bibliográfico : 2008JCoPh.227.5342A . CiteSeerX 10.1.1.552.2883 . doi : 10.1016 / j.jcp.2008.01.047 .
- ^ Christopher I. Rodrigues; David J. Hardy; John E. Stone; Klaus Schulten y Wen-Mei W. Hwu. (2008). "Aceleración de GPU de potenciales de par de corte para aplicaciones de modelado molecular". En CF'08: Actas de la Conferencia sobre Fronteras de la Computación de 2008, Nueva York, NY, EE . UU .: 273–282.
- ^ Peter H. Colberg; Felix Höfling (2011). "Simulaciones altamente aceleradas de dinámica vítrea utilizando GPU: advertencias sobre la precisión limitada de punto flotante". Comp. Phys. Comm . 182 (5): 1120–1129. arXiv : 0912.3824 . Código bibliográfico : 2011CoPhC.182.1120C . doi : 10.1016 / j.cpc.2011.01.009 .
- ^ Yousif, Ragheed Hussam (2020). "Exploración de las interacciones moleculares entre la neoculina y los receptores humanos del gusto dulce a través de enfoques computacionales" (PDF) . Sains Malaysia . 49 (3): 517-525. doi : 10.17576 / jsm-2020-4903-06 .
- ^ M. Harger, D. Li, Z. Wang, K. Dalby, L. Lagardère, J.-P. Piquemal, J. Ponder, P. Ren (2017). "Tinker-OpenMM: Energías libres alquímicas absolutas y relativas usando AMOEBA en GPUs" . Revista de Química Computacional . 38 (23): 2047-2055. doi : 10.1002 / jcc.24853 . PMC 5539969 . PMID 28600826 .CS1 maint: varios nombres: lista de autores ( enlace )
enlaces externos
- Más enlaces para química clásica y cuántica en GPU