机构名称：
¥ 1.0
通讯作者* 博士研究员，威斯康星大学密尔沃基分校生物医学工程系，电子邮箱：bozorgp2@uwm.edu 简介 经典分子动力学 (MD) 依靠原子间势（力场）严格模拟固体和流体的热力学、机械和化学特性。该势根据原子位置和其他属性定义系统的能量。早期应用包括研究固体中的辐射效应和简单流体的动力学，凸显了该方法的多功能性 [1-3]。自诞生以来，分子动力学已广泛应用于物理、化学、生物、材料科学和相关领域。在水净化等纳米技术领域 [4]，分子动力学还可以在原子水平上理解纳米粒子的行为方面发挥关键作用，有助于深入了解纳米粒子的结构稳定性、表面属性以及与周围分子的相互作用。它将系统建模为粒子（通常是原子）的集合，并通过在多个时间步长上对牛顿方程进行数值积分来计算它们的时间演化。原子上的力由定义势函数的解析方程的导数决定。这种方法计算效率高，特别是对于分子液体和固态金属，可以准确捕捉电子介导的原子相互作用。标准工作站上的 MD 代码可以高效模拟具有 10,000 到 100 万个原子的系统，覆盖皮秒到微秒内重要物理和化学现象的相关长度和时间尺度 [5-8]。MD 模拟的流行可以归因于它们与摩尔定律和广泛并行性推动的显著计算进步的兼容性。在过去的几十年里，传统 CPU 和最近的 GPU 都经历了大幅提速。例如，1988 年，8 处理器的 Cray YMP 实现了 2 千兆次浮点运算的 Linpack 速度，而在 2012 年，单个具有 16 个内核的 IBM Blue Gene/Q CPU 达到了 175 千兆次浮点运算。最大的 BG/Q 机器 Sequoia 拥有近 100,000 个 CPU。预计在未来一两年内，基于 GPU 的超级计算机将达到百亿亿次浮点运算 (10−18) 的速度，这意味着最强大的超级计算机在短短 30 年内速度将提高 5 亿倍。这一趋势还转化为台式机和小型集群的速度提升，可供更广泛的科学计算社区使用 [9, 10]。MD 的计算效率源于其每个时间步的成本线性扩展为 O(N)，对于具有短程相互作用的模型，这是由于在指定的截止距离内相邻原子的数量有限。即使对于长程库仑相互作用，MD 也表现出有效的扩展性，对于基于 FFT 的方法（如粒子网格 Ewald），其成本为 O (N log N)
揭示癌症、药物输送等的分子动力学……
主要关键词
相关文件推荐
