【技术实现步骤摘要】
超级计算机平台上的分子动力学模拟短程力并行优化方法
本公开属于分子动力学模拟优化
,涉及一种超级计算机平台上的分子动力学模拟短程力并行优化方法。
技术介绍
本部分的陈述仅仅是提供了与本公开相关的
技术介绍
信息,不必然构成在先技术。GROMACS是一个非常流行的分子动力学应用,主要用于模拟蛋白质、脂质和核酸等生物分子之间存在着的复杂化学键和键合相互作用。由于GROMACS提供了极好的非键合作用力模拟能力,越来越多的研究组织开始使用GROMACS模拟聚合物等非生物分子体系。GROMACS支持几乎所有常见的分子动力学模拟算法,并且具有高性能,易用,开源,辅助工具丰富等特点,使其成为了分子动力学应用的佼佼者之一。长期以来,人们迫切希望在超级计算机上加速GROMACS。但是,对于异构众核的超级计算机来说,一般主核与单个从核的计算能力相当,而主核与从核阵列相比计算能力较弱;其次对于小数据量的访存来说,直接内存访问的带宽较低;相比于传统CPU,从核没有缓存架构,每个从核的局部存储空间非常小,这些都构成了将GROMACS移植到超级计算机平台上的诸多限制。
技术实现思路
本公开为了解决上述问题,提出了一种超级计算机平台上的分子动力学模拟短程力并行优化方法,本公开能够把分子动力学应用GROMACS在超级计算机平台上进行加速,且具有很好的性能和扩展性。根据一些实施例,本公开采用如下技术方案:一种超级计算机平台上的分子动力学模拟短程力并行优化方法,包括:将分子动力学应用中的多个 ...
【技术保护点】
1.一种超级计算机平台上的分子动力学模拟短程力并行优化方法,其特征是:包括:/n将分子动力学应用中的多个相邻粒子放在一个组中,形成一个粒子包,实现数据聚集;/n将索引ID分解,将缓存行的标记与原始行的标记进行比较,如果相同,则缓存命中,如果该标记与原始标记不同,则缓存未命中;/n计算位置的标签和缓存行,如果缓存命中,只更新写缓存中的作用力数据,如果缓存未命中,把相应行中的原始数据放到主核内存中,并从主核内存中的获取需要的缓存行的数据,进行作用力数据的更新,并利用从核在其副本中记录每个缓存行的更新状态;/n将粒子包中的不同粒子的相同的位置元素改为连续,每个从核在主存中保留临时内存以存储由相应从核计算的邻居列表,将通过收集所有这些邻居列表来形成邻接表,将不同从核的邻居列表作为配对列表连接,完成优化。/n
【技术特征摘要】
1.一种超级计算机平台上的分子动力学模拟短程力并行优化方法,其特征是:包括:
将分子动力学应用中的多个相邻粒子放在一个组中,形成一个粒子包,实现数据聚集;
将索引ID分解,将缓存行的标记与原始行的标记进行比较,如果相同,则缓存命中,如果该标记与原始标记不同,则缓存未命中;
计算位置的标签和缓存行,如果缓存命中,只更新写缓存中的作用力数据,如果缓存未命中,把相应行中的原始数据放到主核内存中,并从主核内存中的获取需要的缓存行的数据,进行作用力数据的更新,并利用从核在其副本中记录每个缓存行的更新状态;
将粒子包中的不同粒子的相同的位置元素改为连续,每个从核在主存中保留临时内存以存储由相应从核计算的邻居列表,将通过收集所有这些邻居列表来形成邻接表,将不同从核的邻居列表作为配对列表连接,完成优化。
2.如权利要求1所述的一种超级计算机平台上的分子动力学模拟短程力并行优化方法,其特征是:在分子动力学应用中,每四个相邻粒子放在一个组中,并且总是同时计算同一组中的粒子,将四个粒子的所有数据集中在一个结构中,我们称之为一个粒子包。
3.如权利要求1所述的一种超级计算机平台上的分子动力学模拟短程力并行优化方法,其特征是:缓存是否命中以平均内存访问时间作为衡量标准。
4.如权利要求1所述的一种超级计算机平台上的分子动力学模拟短程力并行优化方法,其特征是:将局部设备内存中的部分空间作为读缓存,使用直接映射缓存策略,将缓存行号和缓存行的长度设为2的幂数。
5.如权利要求1所述的一种超级计算机平台上的分子动力学模拟短程力并行优化方法,其特征是:将索引ID分解为标签号,行号和偏移号,标签号表示主核中缓存行的唯一ID,行号是从核中的缓存行索引,偏移数是缓存行中粒子的地址,将缓存行的标记与原始行的标记进行比较,如果它们相同,则意味着缓存行命中,如果该标记与原始标记不同,则缓存未命中。
6.如权利要求1所述的一种超级计算机平台上的分子动力学模拟短程力并行优化方法,其特征是:如果缓存未命中,从核更新主存中的作...
【专利技术属性】
技术研发人员:刘卫国,邵明山,张庭坚,
申请(专利权)人:山东大学,
类型:发明
国别省市:山东;37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。