本公開提供了一種超級計算機平臺上的分子動力學模擬短程力并行優化方法，將分子動力學應用中的多個相鄰粒子放在一個組中，形成一個粒子包，實現數據聚集；確認緩存是否命中，如果緩存命中，只更新寫緩存中的作用力數據，如果緩存未命中，把相應行中的原始數據放到主核內存中，并從主核內存中的獲取需要的緩存行的數據，進行作用力數據的更新，并利用從核在其副本中記錄每個緩存行的更新狀態；將粒子包中的不同粒子的相同的位置元素改為連續，每個從核在主存中保留臨時內存以存儲由相應從核計算的鄰居列表，將通過收集所有這些鄰居列表來形成鄰接表，將不同從核的鄰居列表作為配對列表連接，完成優化。

技術領域

本公開屬于分子動力學模擬優化技術領域，涉及一種超級計算機平臺上的分子動力學模擬短程力并行優化方法。

背景技術

本部分的陳述僅僅是提供了與本公開相關的背景技術信息，不必然構成在先技術。

GROMACS是一個非常流行的分子動力學應用，主要用于模擬蛋白質、脂質和核酸等生物分子之間存在著的復雜化學鍵和鍵合相互作用。由于GROMACS提供了極好的非鍵合作用力模擬能力，越來越多的研究組織開始使用GROMACS模擬聚合物等非生物分子體系。GROMACS支持幾乎所有常見的分子動力學模擬算法，并且具有高性能，易用，開源，輔助工具豐富等特點，使其成為了分子動力學應用的佼佼者之一。

長期以來，人們迫切希望在超級計算機上加速GROMACS。但是，對于異構眾核的超級計算機來說，一般主核與單個從核的計算能力相當，而主核與從核陣列相比計算能力較弱；其次對于小數據量的訪存來說，直接內存訪問的帶寬較低；相比于傳統CPU，從核沒有緩存架構，每個從核的局部存儲空間非常小，這些都構成了將GROMACS移植到超級計算機平臺上的諸多限制。

發明內容

本公開為了解決上述問題，提出了一種超級計算機平臺上的分子動力學模擬短程力并行優化方法，本公開能夠把分子動力學應用GROMACS在超級計算機平臺上進行加速，且具有很好的性能和擴展性。

根據一些實施例，本公開采用如下技術方案：

一種超級計算機平臺上的分子動力學模擬短程力并行優化方法，包括：

將分子動力學應用中的多個相鄰粒子放在一個組中，形成一個粒子包，實現數據聚集；

將索引ID分解，將緩存行的標記與原始行的標記進行比較，如果相同，則緩存命中，如果該標記與原始標記不同，則緩存未命中；

計算位置的標簽和緩存行，如果緩存命中，只更新寫緩存中的作用力數據，如果緩存未命中，把相應行中的原始數據放到主核內存中，并從主核內存中的獲取需要的緩存行的數據，進行作用力數據的更新，并利用從核在其副本中記錄每個緩存行的更新狀態；

將粒子包中的不同粒子的相同的位置元素改為連續，每個從核在主存中保留臨時內存以存儲由相應從核計算的鄰居列表，將通過收集所有這些鄰居列表來形成鄰接表，將不同從核的鄰居列表作為配對列表連接，完成優化。

作為可選擇的實施方式，在分子動力學應用中，每四個相鄰粒子放在一個組中，并且總是同時計算同一組中的粒子，將四個粒子的所有數據集中在一個結構中，稱之為一個粒子包。

作為可選擇的實施方式，緩存是否命中以平均內存訪問時間作為衡量標準。

作為可選擇的實施方式，將局部設備內存中的部分空間作為讀緩存，使用直接映射緩存策略，將緩存行號和緩存行的長度設為2的冪數。

作為可選擇的實施方式，將索引ID分解為標簽號，行號和偏移號，標簽號表示主核中緩存行的唯一ID，行號是從核中的緩存行索引，偏移數是緩存行中粒子的地址，將緩存行的標記與原始行的標記進行比較，如果它們相同，則意味著緩存行命中，如果該標記與原始標記不同，則緩存未命中。