好用的MD工具又来了（第二弹）

文献解读 

写在前面

继MDBuilder后，本期推送将介绍新的MD工具——MD-Bench，它是一款Proxy-apps，即代理应用程序。

湖北科技学院丁教授联合华中农业大学课题组发表论文成果。 

他们提出了一个易于使用的工具MDBuilder，这是一个PyMOL插件，它可以帮助研究人员为多个主流MD模拟包构建初始结构。

派所长，公众号：分子动力学快看！这个工具叫MDBulider，它教你跑好模拟

分子动力学模拟为原子水平系统的研究和实验提供了极大的便利。但它们的系统规模和时间尺度也受到所能利用计算能力的限制。

因此，MD内核的性能工程对于理解其瓶颈并指出可能的改进非常重要。

鉴于此，2023年2月22日，德国埃朗根国家高性能计算中心Gerhard Wellein研究员在arXiv-PHYS-Computational Physics上发表论文成果。

研究人员开发了MD-Bench，一个针对短程MD内核的代理应用程序。它包含了在原子尺度系统中计算轨迹的最基本的MD步骤，实现了来自多个软件(如LAMMPS和GROMACS)的先进算法。

MD-Bench旨在具有更简单、易懂、可扩展的源代码，同时具有透明性，适合MD算法的教学、基准测试及研究。

原文PDF后台回复“0330”获取。

内容梳理

1、背景与理论

MD模拟被广泛用于研究微观结构的行为。这些模拟在宏观尺度上再现了这些结构中原子间的相互作用，同时使人们能够在更容易分析的时间尺度上观察粒子体系的演化。

不同领域如材料科学研究特定材料体系的演化，化学过程的演化，或者生物学再现某些蛋白质和生物分子的行为，都需要借助分子动力学模拟。

待模拟的MD系统由若干原子、初始状态和系统边界条件组成。在这里，研究人员在各个方向上使用周期性边界条件，因此当一个原子穿过区域时，它以相同的速度重新出现在对侧。

从根本上说，经典MD系统中的原子轨迹是通过对每个原子i积分牛顿第二定律得到的：

为了优化短程势的计算，可以只考虑截止半径内的原子对，因为在长程距离上的贡献可以忽略不计。

首先，使用单元格列表根据原子的空间位置对原子进行分隔。只要单元尺寸等于或大于截断半径，就只需要为一个原子在它所属的单元上迭代寻找近邻候选者。

图1：为Verlet列表中的红色原子创建配对列表

因此，使用细胞列表为每个原子构建一个Verlet列表(见图1)，跟踪特定半径r内的近邻原子。Verlet缓冲区扩展了搜索范围，避免了每个时间步都建立Verlet列表。

2、MD-Bench特点

图2描述了MD-Bench的特点。为了便于对影响性能的一系列设置进行实验，一个强大的构建系统具有不同的配置，从编译器和标志到原子类型是否应该明确地从内存中存储和加载。

图2：MD-Bench功能概述

由于其模块化的特点，构建系统允许在组装层面替换内核。特别是，研究者保留了每个内核的简化C语言版本，这些版本在编写时特别注意了低级别的代码分析与调整。

此外，内核采用了LIKWID标记，以便通过HPM计数器进行细粒度分析。

3、Verlet算法

MD应用中计算短程力最常用的优化方案可以说是Verlet list算法。它包括为每个原子建立一个相邻列表，其中元素是位于大于或等于力截止半径的截止半径内的其他原子。

因此，通过遍历每个局部原子的相邻列表，并对距离其距离小于截止半径的的所有力进行累加来计算每个局部原子的力（见算法1）。

图：算法1

原子属性通常以AoS布局存储，即一个原子在不同维度（X、Y和Z）的坐标连续存储在内存中。这与阵列结构（SoA）布局相反。

所有原子在一个维度的坐标在内存中是连续的，同一原子的坐标没有空间定位。图3描述了两种布局的数据是如何存储在内存中的。

图3：两种布局的数据差异

对于所有可用的内核变体，MD-Bench包含它们的半邻列表对应物。这些变体只在一个方向上建立邻列表，并利用牛顿第三定律来重新使用邻接原子成对相互作用期间计算的力。

当部分力被计算出来时，它们被加到当前原子的力中，并从近邻原子的力中减去（见算法2）。

图：算法2

研究总结

研究者进行的分析结果是代表MD算法、编译器能力和处理器特性现状的快照。有了MD-Bench，就有以可重复和结构化的方式重复这些研究，跟踪和记录编译器和处理器技术的未来发展。

他们希望MD-Bench也能作为MD算法参考实现的中心实例，促进对这些算法的理解和改进，并能进一步研究MD的性能优化。

可以说，MD-Bench是成熟可用的，支持OpenMP和GPU目标的CPU。在未来的工作中，仍有重要的可拓展之处。研究人员想考虑更优化的MD方案，例如，在NAMD中找到的。不久将启动与MPI的竞争性分布式内存并行化。

另一项正在进行的工作是对GPU加速器实施具体的优化方案。基于MD-Bench的GPU性能工程是未来的一个重要研究方向。

号外号外：广告实在是无孔不入+防不胜防啊！所以不直接放群聊二维码了，想进分子动力学交流群的，请添加小编微信并备注昵称+专业，手动拉你们入群！

征稿启事

“分子动力学”自创号以来得到了广大科研人士的关注和支持。为更好地服务分子动力学研究和应用，本公众号现长期招聘供稿作者。

真诚欢迎MD相关科研爱好者加入“分子动力学”团队！可发送简历至likeapoem@163.com，邮件主题请注明“姓名+供稿作者”。

来源：分子动力学