分子动力学模拟中近程非键结力计算的gpu加速计算机应用技术专业论文.docxVIP

摘要摘要 摘要 摘要 分子模拟计算在当代化学、生物学及制药学等科学领域的研究中扮演着不 可替代的作用。通过分子模拟计算可以大大缩短这些学科的研究周期，同时极 大地提高其实验成功率。现今主流的分子模拟手段是分子动力学模拟法。尽管 在模拟速度上取得了突破性的进展，但是分子动力学模拟计算也有着不可避免 的瓶颈问题t原子间近程非键结力(Near Non．bonded Force，NNF)的计算耗 时严重。实验表明，这部分计算占据模拟计算总时间的80％以上。加速近程非 键结力计算对提高分子动力学模拟计算的整体速度，乃至进一步缩减相关学科 的研究周期有着显而易见的价值。 本文分析了NNF计算相关理论和实现方法，提出采用GPGPU思想加速该 计算。当代GPU高并行度、多线程的特征特别适合用来并行化NNF计算。本 文选取性能卓越的开源分子动力学模拟软件Desmond作为实验对象，分析了使 用GPU并行化其NNF计算的可行性，并采用当前在GPGPU方向取得突出成 绩的CUDA技术实现了Desmond中NNF计算的GPU加速。 本文为NNF计算的GPU加速设计了细粒度和粗粒度两种任务划分方案， 分析了两者的利弊，并在更适用于GPU的粗粒度方案基础上为GPU上的NNF 计算精心设计了完备的数据通信了存储方案，从而实现了NNF计算GPU并行 化，将NNF计算的速度提高到原来的5倍左右。接着本文着手于GPU-NNF计 算的性能优化，分别从实现算法和CUDA技术两个层面设计了诸多优化策略， 主要包括算法上的计算依赖性优化及CUDA技术上的通信、访存及指令等优化。 这些优化策略对提高GPU．NNF计算的速度都有着明显的作用，尤其是为计算 依赖性优化设计的三种策略，将计算速度提高了近一倍。 实验表明，通过GPU并行化NNF计算，可以得到10以上的加速比，将 NNF计算的速度提高了一个量级，同时将Desmond整体的模拟速度提高原来的 3~4倍，并且，GPU．NNF有着跟CPU上基本一致的正确性和稳定性。另外 GPU-NNF计算的多卡并行性能和双精度浮点计算性能表现也同样优异。 关键词：分子动力学模拟，近程非键结力， GPGPU，CUDA，并行优化 AbstractAbstract Abstract Abstract Molecular simulation plays all irreplaceable role in many modem scientific research fields，such as chemistry,biology and pharmaceuties．With the help of molecular simulation，researchers cail greatly shorten their research cycle，while greatly enhancing the experimental Success rate．The mainstream method of modem molecular simulation is molecular dynamics simulation(MDS)．Despite a breakthrough in simulation speed，molecular dynamics simulation also has the inevitable bottleneck：the computation of near non-bonded force QNF)is seriously time。consuming．The experimental results show that this part of the computation accounts for more than 80％of the total simulation time．Accelerating the NNF computation will bring significant value for the overall speed of the MDS，and even further for the related research fields． This article proposes to use GPU to accelerate the NNF computation，based on its backgroud theories and implementing methods．Contemporary GPU supports high degree of parallelism and multi·threading，these features are particula