Copied


NVIDIA bringt cuPotential zur Beschleunigung von Molekulardynamik-Simulationen auf den Markt

Terrill Dicki   Nov 17, 2026 06:10 0 Min Read


NVIDIA hat cuPotential vorgestellt, eine spezielle Bibliothek, die darauf abzielt, Molekulardynamik (MD)-Simulationen zu beschleunigen, indem sie rechnerische Engpässe bei der Bewertung von Langstreckeninteraktionen unter periodischen Randbedingungen angeht. Die Bibliothek führt modulare Primitiven mit einer C API ein, die Entwicklern ermöglicht, Arbeitslasten über heterogene GPU-Hardware zu optimieren. Diese Veröffentlichung beinhaltet auch ein Plugin für OpenMM, eine weit verbreitete MD-Engine, die eine nahtlose Integration mit minimalen Codeänderungen ermöglicht.

Wichtige Funktionen von cuPotential

cuPotential bietet Werkzeuge für sowohl direkte als auch reziproke Raumkalkulationen, einschließlich schnittstellenbasierter Interaktionsbewertung und Ladungsausbreitungsfunktionen. Die Bibliothek umfasst fortschrittliche Trennungs- und Ausbreitungsmethoden, die in Zusammenarbeit mit D.E. Shaw Research und dem Flatiron Institute entwickelt wurden. Diese Methoden erreichen hohe Genauigkeit bei reduzierten Gitterauflösungen und Schnittstellen,was die rechnerische Effizienz verbessert, ohne die Treue der Simulation zu beeinträchtigen.

Benchmark-Tests, die auf GPU-Architekturen von NVIDIA T4 bis RTX PRO 6000 Blackwell durchgeführt wurden, zeigen End-to-End-Geschwindigkeitssteigerungen von 2x auf über 3x für Systeme mit 24,000 bis 400,000 Atomen unter NPT-Bedingungen. Darüber hinaus zeigen Energieschwebemessungen über 10 Nanosekunden, dass cuPotential die Drift im Vergleich zu den Standard-Particle-Mesh-Ewald (PME)-Einstellungen um mehrere Hundertfach reduziert, was die typischen Anforderungen an biomolekulare Simulationen übertrifft.

Integration mit OpenMM

Das cuPotential OpenMM-Plugin ersetzt die standardmäßige nicht-bindende Kraft, den Langevin-Integrierer und den Monte Carlo-Barostat in OpenMM-Simulationen. Entwickler können das Plugin integrieren, indem sie die nicht-bindende Kraft des Systems ersetzen und den Integrierer und Barostat von cuPotential verwenden. Dieser Drop-in-Ansatz vereinfacht die Akzeptanz und bleibt dennoch mit bestehenden Arbeitsabläufen kompatibel.

Um das Plugin zu erstellen und zu installieren, benötigen Benutzer ein Linux x86-64 -System mit einer unterstützten NVIDIA-GPU, einen kompatiblen NVIDIA-Treiber sowie Conda oder Micromamba für das Management der Umgebung. Der Installationsprozess umfasst die Erstellung einer Conda-Umgebung, die Konfiguration von Build-Helfern und das Ausführen der bereitgestellten Molekulardynamik-Proben zur Überprüfung der Funktionalität. Die Proben bewerten Systeme wie DHFR, BACE und ApoA1 unter NVT- und NPT-Bedingungen und messen sowohl Genauigkeit als auch Leistung.

Wissenschaftliche Fortschritte

cuPotential verbessert die Genauigkeit der Elektrostatik- und Dispersionenergie-Kalkulationen und hält dabei vergleichbare Kraftfehler bei niedrigeren Rechenkosten aufrecht. Für die Elektrostatik wird eine doppelt präzise Referenz mit optimierten Schnittlängen und Gitterauflösungen verwendet. Die Genauigkeit der Dispersionenergie verbessert sich mehrere tausendfach und sorgt für zuverlässige Ergebnisse in der biomolekularen sowie der Materialwissenschaftssimulation.

Die strenge Beachtung der Genauigkeit und Drift von Energie in der Bibliothek erlaubt es Forschern, GPU-Beschleunigung zu nutzen, ohne die Integrität ihrer Simulationen zu gefährden. Durch die Behebung wichtiger rechnerischer Herausforderungen stellt cuPotential einen erheblichen Fortschritt im Bereich der Molekulardynamik dar.


Read More