gpu分子模拟的量子飞跃

文章内容

研究人员和社会都对能源储存和药物发现等方面的改进材料感兴趣。量子力学(QM)是一种在原子和亚原子尺度上描述自然物理性质的理论，是开发这些有用的未来产品的分子和材料科学家的基础。

挑战在于，描述分子及其组成材料的许多性质的QM计算需要大量的计算机能力。

这就是由加州大学圣地亚哥超级计算机中心(SDSC)的Andreas Goetz和他在密歇根州立大学(MSU)的同事Kenneth Merz领导的一个博士后学者小团队开发的软件，该软件利用强大的图形处理单元(gpu)进行分子的复杂QM计算。

他们的研究最近发表在两份同行评审的出版物上:the化学理论与计算杂志(JCTC)和化学信息与建模杂志(JCIM)．

SDSC计算化学实验室主任Goetz说:“从台式电脑到拥有数千个gpu的超级计算机，需要免费的开源软件来实现现代计算机上的计算分子科学，这激发了我们的努力。”“这项研究为高效的QM计算和图形处理单元上分子系统的混合量子/经典(QM/MM)模拟提供了开源软件。”

该软件使研究人员能够解决在计算材料设计、催化剂设计和药物设计等一系列研究领域中难以计算的问题。

此外，Merz指出:“我们的代码还可以以高通量的方式用于生成基于人工智能的分子设计方法的数据，例如开发改进的材料和药物。”

MSU的Merz团队和Goetz的SDSC团队共同设计了这项研究，开发了算法并设计了软件。科学家们使用了在SDSC上收集的数据广阔的区域超级计算机。

在他们的JCTC论文《利用多gpu加速的能力进入量子相互作用计算内核程序》中，研究人员以一种简化的方式解释了超级计算机是由许多紧密集成的计算机组成的，这些计算机并行工作，以解决复杂的计算问题。因此，他们的软件称为QUICK，可以跨多个gpu协调计算，以便更快地将解决方案交到研究人员手中。

量子相互作用计算内核(QUICK)程序的新颖集成的艺术表现形式，用于在QM/MM模拟中使用AMBER分子动力学软件包进行多gpu电子结构计算。蛋白质的相关部分用QM计算，而周围区域用经典MM模型表示。(图片来源:V. W. D. Cruzeiro, A. W. Goetz, B. Tolo)

密歇根州州立大学博士后学者Madushanka Manathunga解释说:“这就像协调一队卡车，将时间紧迫的货物快速从一个地方运送到另一个地方。”“我们必须剖析QM模型背后的数学方程，以了解如何有效地并行计算，并有效地将工作分配到多个gpu上。”

在他们的JCIM论文中，“使用AMBER和QUICK的开源多GPU加速QM/MM模拟”，研究人员考虑了他们的QM/MM耦合，在这种情况下，使用他们更快的GPU代码进行复杂的QM计算，在这种情况下，酶的活性位点与简化的MM模型一起用于活性位点区域以外的蛋白质的其余部分。

这种计算方法的重要性已被授予2013年诺贝尔化学奖，以发展复杂化学系统的多尺度模型。

“拥有这种多gpu QM代码是令人兴奋的快速的QM/MM模拟琥珀色的这样社区就可以利用我们的代码库来添加新功能，并使用它来解决一系列化学和生物问题，”Merz说。

Vinícius Cruzeiro, SDSC/UC圣地亚哥分校的博士后学者，他共同领导了软件工程工作，并与Manathunga共同撰写了论文，介绍了他们的技术工作。

他说:“这就像使用‘计算显微镜’来放大非常微小的物体，比如病毒上刺突蛋白的重要部分，以进一步加深我们对正在发生的细节的理解，并提供可能无法通过实验获得的关键信息。”

据研究人员称，他们的软件可以实现所谓的从头开始Hartree-Fock和密度泛函理论(DFT)的QM计算。由于其良好的计算成本与精度的比例，DFT被广泛应用于计算分子科学。

克鲁塞罗说，QUICK中实现的功能可以在商业程序中使用，但这些功能需要昂贵的许可证费用。“因此，参与一个旨在为世界各地的研究人员免费提供这些功能的项目是值得的，尤其是那些受付费墙影响的研究人员。”

在用特殊编程语言编写的gpu上实现他们的软件，研究人员使用消息传递接口(MPI)将工作分布到计算节点内部和跨计算节点的不同gpu上。这项工作的一部分是在去年的第一届数字会议上启动的GPU这家网站由SDSC和Nvidia联合主办。

Goetz说:“由于Covid-19大流行，所有这些工作都是远程完成的，但这对软件相关的工作来说不是大问题。”

其他贡献者包括N的Kristopher Keipert和Kamesh Arumugam，密歇根州立大学的Chi Jin, Facebook的Yipu Miao和密歇根州立大学的前研究生，密歇根州立大学的Metin Aktulga和NCSA的Dawei Mu，以前在SDSC工作。

Goetz说:“我喜欢和聪明人一起解决具有挑战性的问题，我喜欢教计算机如何解决我们的科学问题。”

这项工作得到了美国国家科学基金会(NSF) (OAC-1835144)的支持;圣地亚哥超级计算机中心(计算机时间);密歇根州立大学化学与生物化学系和高性能计算机中心(iCER HPCC);Nvidia(访问Nvidia集群)。这项工作使用了NSF (ACI1053575, TG-CHE130010)支持的极端科学与工程发现环境(XSEDE)。