Решение проблемы «узкого места» в молекулярной динамике
Вычисление дальнодействующих взаимодействий (электростатика и дисперсия) в периодических граничных условиях остается главным bottleneck для симуляций молекулярной динамики (MD). NVIDIA выпустила библиотеку cuPotential, которая предлагает модульные примитивы C API для оптимизации этих процессов. Ключевое отличие — интеграция через плагин для OpenMM, позволяющая заменить стандартные компоненты (nonbonded force, Langevin integrator, Monte Carlo barostat) без переписывания ядра кода.
Научное новшество: C2-непрерывное разделение
Разработано совместно с D. E. Shaw Research и Flatiron Institute. Новые функции разделения и распределения заряда (splitting and spreading functions) обеспечивают непрерывность C2. Это позволяет достигать целевой точности при более низких разрешениях сетки и уменьшенных радиусах отсечения (cutoffs) по сравнению со стандартными методами Ewald и u-series. Результат — снижение дрейфа энергии в сотни раз по сравнению с настройками PME по умолчанию, что превышает требования для биомолекулярных симуляций.
Производительность и совместимость
Библиотека поддерживает архитектуру CUDA 13.1 и работает на широком спектре GPU. Бенчмарки проводились на системах от 24 000 до 400 000 атомов в условиях NPT. Ниже приведены результаты ускорения (speedup) по сравнению с базовой реализацией:
| Архитектура GPU | Масштаб ускорения | Особенности |
|---|---|---|
| RTX PRO 6000 Blackwell | до 3x+ | Максимальная производительность, новые ядра |
| T4 (Turing) | 2x - 2.5x | Значительный прирост на legacy-оборудовании |
| Другие GPU Ampere/Hopper | 2x - 3x | Стабильное ускорение в зависимости от размера системы |
Точность и валидация
Тестирование проводилось на белках DHFR, BACE и ApoA1 с использованием силового поля AMBER14/TIP3P. При шаге интегрирования 4 фс и радиусе отсечения 0.9 нм:
- Электростатика: Дрейф энергии снижен в сотни раз относительно двойной точности.
- Дисперсия: Точность энергии улучшена в тысячи раз при сохранении сопоставимой ошибки сил.
Как начать работу
Интеграция требует Linux x86-64, драйвер NVIDIA и CUDA 13.1. Сборка осуществляется через conda/micromamba. Библиотека доступна в репозитории NVIDIA/cuPotential на GitHub. Плагин позволяет использовать собственные силы и интеграторы, обеспечивая «drop-in» замену для существующих пайплайнов OpenMM.
Источник: NVIDIA dev blog ↗
