Simulação de líquido iônico em GPU (Abalone)

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

editar

Programas

editar

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

Referências

editar
  1. 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 10.1.1.466.3823Acessível livremente. PMID 17894371. doi:10.1002/jcc.20829 
  2. 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 
  3. 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 10.1.1.498.364Acessível livremente. PMID 17614340. doi:10.1002/jcc.20779 
  4. 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 
  5. 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 
  6. 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 
  7. 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 
  8. 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 10.1.1.552.2883Acessível livremente. doi:10.1016/j.jcp.2008.01.047 
  9. 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 
  10. 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:0912.3824Acessível livremente. doi:10.1016/j.cpc.2011.01.009 
  11. 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-2020-4903-06Acessível livremente 
  12. 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:1506.05094Acessível livremente. doi:10.21468/SciPostPhys.3.6.038Acessível livremente 
  13. 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 5539969Acessível livremente. PMID 28600826. doi:10.1002/jcc.24853 

Ligações externas

editar

📚 Artikel Terkait di Wikipedia

Lista de produtos da IBM

Central Processing Unit; small range IBM 3125: System/370 Model 125 Central Processing Unit; small range IBM 3135: System/370 Model 135 Central Processing Unit;

Processo de Dirichlet

Bristol. Consultado em 30 de setembro de 2017  Sudderth, Erik (2006). «Graphical Models for Visual Object Recognition and Tracking» (PDF). MIT Press. Consultado

Geração de linguagem natural

Comparison of Graphical and Textual Presentations of Time Series Data to Support Medical Decision Making in the Neonatal Intensive Care Unit. [S.l.]: Journal