
Modelagem molecular em GPU é a técnica de usar uma unidade de processamento gráfico (GPU) para simulações moleculares.[1]
Em 2007, a Nvidia introduziu placas de vídeo que podiam ser usadas não apenas para exibir gráficos, mas também para cálculos científicos. Essas placas incluem muitas unidades aritméticas (em 2022, até 18.176 na RTX 6000 Ada) trabalhando em paralelo. Muito antes desse evento, o poder computacional das placas de vídeo era usado puramente para acelerar cálculos gráficos. Os novos recursos dessas placas possibilitaram o desenvolvimento de programas paralelos em uma interface de programação de aplicações (API) de alto nível chamada CUDA. Essa tecnologia simplificou substancialmente a programação ao permitir que os programas fossem escritos em C/C++. Mais recentemente, o OpenCL permite aceleração por GPU multiplataforma.
Cálculos de química quântica[2][3][4][5][6][7] e simulações de mecânica molecular[8][9][10] (modelagem molecular em termos de mecânica clássica) estão entre as aplicações benéficas dessa tecnologia. As placas de vídeo podem acelerar os cálculos dezenas de vezes, de modo que um PC com tal placa tem potência semelhante à de um cluster de estações de trabalho baseadas em processadores comuns.
Software de modelagem molecular acelerado por GPU
editarProgramas
editar- Abalone – Dinâmica Molecular (Benchmark)
- ACEMD em GPUs desde 2009 Benchmark
- AMBER em GPUs versão
- Ascalaph versão em GPUs – Ascalaph Liquid GPU
- AutoDock – Dockagem molecular
- BigDFT – Programa ab initio baseado em wavelet
- BrianQC – Química quântica (HF e DFT) e mecânica molecular
- Blaze – Triagem virtual baseada em ligantes
- CHARMM – Dinâmica molecular [1]
- CP2K – Dinâmica molecular ab initio
- Desmond em GPUs, estações de trabalho e clusters
- EXESS – Química quântica e dinâmica molecular ab initio
- Firefly (anteriormente PC GAMESS)
- FastROCS
- GOMC – Mecanismo de simulação Monte Carlo otimizado para GPU
- GPIUTMD – Processadores gráficos para dinâmica de muitas partículas
- GPU4PySCF – Pacote plugin acelerado por GPU para PySCF
- GPUMD – Um código de dinâmica molecular de uso geral e leve
- GROMACS em GPUs [11]
- HALMD – Pacote de DM altamente acelerado para grandes escalas
- HOOMD-blue Arquivado em 2011-11-11 no Wayback Machine – Highly Optimized Object-oriented Many-particle Dynamics—Blue Edition
- LAMMPS versão em GPUs – lammps for accelerators
- LIO – Código otimizado para GPU baseado em DFT - [2]
- Octopus – possui suporte para OpenCL.
- oxDNA – Simulações de coarse-grained de DNA e RNA em GPUs
- PWmat – Simulações de DFT com ondas planas
- RUMD – Roskilde University Molecular Dynamics[12]
- TeraChem – Química quântica e dinâmica molecular ab initio
- TINKER em GPUs.[13]
- VMD & NAMD em GPUs versões
- YASARA executa simulações de DM em todas as GPUs usando OpenCL.
API
editar- BrianQC – possui uma API aberta de nível C para simulações de química quântica em GPUs, fornece versão acelerada por GPU de Q-Chem e PSI
- OpenMM – uma API para acelerar dinâmica molecular em GPUs, v1.0 fornece versão acelerada por GPU do GROMACS
- mdcore – uma biblioteca open-source independente de plataforma para simulações de dinâmica molecular em arquiteturas paralelas modernas de memória compartilhada.
Projetos de computação distribuída
editar- GPUGRID – infraestrutura de supercomputação distribuída
- Folding@home – projeto de computação distribuída
- Exscalate4Cov – experimento de triagem virtual em larga escala
Ver também
editar- Comparação de softwares de simulação de ácidos nucleicos
- Comparação de softwares para modelagem em mecânica molecular
- Folding@home
- GPU
- Cluster GPU
- GPGPU
- Lista de sistemas de gráficos moleculares
- Lista de softwares de química quântica e física do estado sólido
- Software de design molecular
- Editor de moléculas
- Realidade simulada
Referências
editar- ↑ Stone JE, Phillips JC, Freddolino PL, Hardy DJ, Trabuco LG, Schulten K (Dezembro 2007). «Accelerating molecular modeling applications with graphics processors». Journal of Computational Chemistry. 28 (16): 2618–2640. Bibcode:2007JCoCh..28.2618S. CiteSeerX 10.1.1.466.3823
. PMID 17894371. doi:10.1002/jcc.20829
- ↑ Yasuda K (Agosto 2008). «Accelerating Density Functional Calculations with Graphics Processing Unit». Journal of Chemical Theory and Computation. 4 (8): 1230–1236. Bibcode:2008JCTC....4.1230Y. PMID 26631699. doi:10.1021/ct8001046
- ↑ Yasuda K (Fevereiro 2008). «Two-electron integral evaluation on the graphics processor unit». Journal of Computational Chemistry. 29 (3): 334–342. Bibcode:2008JCoCh..29..334Y. CiteSeerX 10.1.1.498.364
. PMID 17614340. doi:10.1002/jcc.20779
- ↑ Vogt L, Olivares-Amaya R, Kermes S, Shao Y, Amador-Bedolla C, Aspuru-Guzik A (Março 2008). «Accelerating resolution-of-the-identity second-order Møller-Plesset quantum chemistry calculations with graphical processing units». The Journal of Physical Chemistry A. 112 (10): 2049–2057. Bibcode:2008JPCA..112.2049V. PMID 18229900. doi:10.1021/jp0776762
- ↑ Ufimtsev IS, Martínez TJ (Fevereiro 2008). «Quantum Chemistry on Graphical Processing Units. 1. Strategies for Two-Electron Integral Evaluation». Journal of Chemical Theory and Computation. 4 (2): 222–231. Bibcode:2008JCTC....4..222U. PMID 26620654. doi:10.1021/ct700268q
- ↑ Ivan S. Ufimtsev; Todd J. Martinez (2008). «Graphical Processing Units for Quantum Chemistry». Computing in Science & Engineering. 10 (6): 26–34. Bibcode:2008CSE....10f..26U. doi:10.1109/MCSE.2008.148
- ↑ Tornai GJ, Ladjánszki I, Rák Á, Kis G, Cserey G (Outubro 2019). «Calculation of Quantum Chemical Two-Electron Integrals by Applying Compiler Technology on GPU». Journal of Chemical Theory and Computation. 15 (10): 5319–5331. Bibcode:2019JCTC...15.5319T. PMID 31503475. doi:10.1021/acs.jctc.9b00560
- ↑ Joshua A. Anderson; Chris D. Lorenz; A. Travesset (2008). «General Purpose Molecular Dynamics Simulations Fully Implemented on Graphics Processing Units». Journal of Computational Physics. 227 (10): 5342–5359. Bibcode:2008JCoPh.227.5342A. CiteSeerX 10.1.1.552.2883
. doi:10.1016/j.jcp.2008.01.047
- ↑ Christopher I. Rodrigues; David J. Hardy; John E. Stone; Klaus Schulten; Wen-Mei W. Hwu (2008). «GPU acceleration of cutoff pair potentials for molecular modeling applications.». In CF'08: Proceedings of the 2008 Conference on Computing Frontiers, New York, NY, USA: 273–282
- ↑ Peter H. Colberg; Felix Höfling (2011). «Highly accelerated simulations of glassy dynamics using GPUs: Caveats on limited floating-point precision». Comput. Phys. Commun. 182 (5): 1120–1129. Bibcode:2011CoPhC.182.1120C. arXiv:0912.3824
. doi:10.1016/j.cpc.2011.01.009
- ↑ Yousif RH (2020). «Exploring the Molecular Interactions between Neoculin and the Human Sweet Taste Receptors through Computational Approaches» (PDF). Sains Malaysiana. 49 (3): 517–525. doi:10.17576/jsm-2020-4903-06
- ↑ Bailey N, Ingebrigtsen T, Hansen JS, Veldhorst A, Bøhling L, Lemarchand C, Olsen A, Bacher A, Costigliola L, Pedersen U, Larsen H (14 de dezembro de 2017). «RUMD: A general purpose molecular dynamics package optimized to utilize GPU hardware down to a few thousand particles». SciPost Physics (em inglês). 3 (6). Bibcode:2017ScPP....3...38B. ISSN 2542-4653. arXiv:1506.05094
. doi:10.21468/SciPostPhys.3.6.038
- ↑ Harger M, Li D, Wang Z, Dalby K, Lagardère L, Piquemal JP, Ponder J, Ren P (Setembro 2017). «Tinker-OpenMM: Absolute and relative alchemical free energies using AMOEBA on GPUs». Journal of Computational Chemistry. 38 (23): 2047–2055. Bibcode:2017JCoCh..38.2047H. PMC 5539969
. PMID 28600826. doi:10.1002/jcc.24853










