NVIDIA Tesla K80 GPU助力精确计算生物分子电荷信息

简介:
案例简介
• 本案例中,分子反应动力学国家重点实验室-分子模拟与设计研究组利用NVIDIA GPU助力精确计算生物分子受环境影响所产生的原子电荷信息。利用Tesla K80 GPU强大的计算能力极大地提升了迭代过程中量子化学计算的效率,对精确描述生物分子在特定环境影响下的原子电荷信息起到了至关重要的作用。
• 本案例主要应用到拥有NVIDIA Tesla K80 GPU 的超级计算机。
Case Introduction
• In this case, State Key Laboratory of Molecular Reaction Dynamics, Laboratory of Molecular Modeling and Design applies the NVIDIA GPU to calculate the accurate molecular charges effected by its environment. The Tesla K80 GPU dramatically improves the efficiency of QM calculation in interactions, and plays the key point in illustrating the effectiveness of atomic charge in molecular by its specific environment.
• The major product utilized in the case is NVIDIA Tesla K80 GPU supercomputer.
现状
分子反应动力学国家重点实验室(www.sklmr.dicp.ac.cn)依托于中国科学院大连化学物理研究所。其发展和利用国际先进的化学反应动力学实验技术和高精度动力学理论相结合的方法,深入细致地研究重要化学过程中的动力学机理,在原子、分子的层次和量子态分辨水平上揭示基本化学动力学规律,在分子反应动力学基础科学研究中做出重要创新成果,为重大科学技术进步提供基础知识支撑,保持反应动力学研究的国际领先地位,占据国际化学反应动力学研究的至高点。分子反应动力学国家重点实验室一直是国内化学反应动力学的主要研究基地和承担国家重大基础研究项目的牵头单位,已经成为国际上备受瞩目的重要的分子反应动力学研究中心。
分子模拟与设计研究组(Laboratory of Molecular Modeling and Design)主要面向生物能源、生物医药、生命科学、生物技术及催化材料等相关领域,发展新的理论计算方法,结合已有的分子模拟与设计程序,与实验工作者密切合作, 针对实验所关心的科学和技术问题开展研究。
未来,本课题组还将基于NVIDIA Tesla GPU提供的卓越计算性能,应用于超大尺度生物分子的原子电荷随环境的变化而改变的描述过程中。并通过基于量子化学的计算全面提升实时的原子电荷计算的准确度和效率。完善原子电荷精确计算的加速方法,为进一步分析生物大分子与其所处环境的相互影响提供可靠的理论支持。

NV Template_GPU助力精确计算分子电荷信息.pdf

708.2 KB, 下载次数: 1


原文发布时间为: 2018-2-26 14:40:00
原文由:emily 发布,版权归属于原作者 
本文来自云栖社区合作伙伴NVIDIA,了解相关信息可以关注NVIDIA官方网站
相关实践学习
在云上部署ChatGLM2-6B大模型(GPU版)
ChatGLM2-6B是由智谱AI及清华KEG实验室于2023年6月发布的中英双语对话开源大模型。通过本实验,可以学习如何配置AIGC开发环境,如何部署ChatGLM2-6B大模型。
目录
相关文章
|
2月前
|
人工智能 并行计算 PyTorch
以Lama Cleaner的AI去水印工具理解人工智能中经常会用到GPU来计算的CUDA是什么? 优雅草-卓伊凡
以Lama Cleaner的AI去水印工具理解人工智能中经常会用到GPU来计算的CUDA是什么? 优雅草-卓伊凡
225 4
|
2月前
|
机器学习/深度学习 人工智能 芯片
42_大语言模型的计算需求:从GPU到TPU
随着2025年大语言模型技术的持续突破和规模化应用,计算资源已成为推动AI发展的关键驱动力。从最初的CPU计算,到GPU加速,再到专用AI加速器的崛起,大语言模型的计算需求正在重塑全球数据中心的基础设施架构。当前,全球AI半导体市场规模预计在2027年将达到2380亿美元(基本情境)甚至4050亿美元(乐观情境),这一增长背后,是大语言模型对计算能力、内存带宽和能效比的极致追求。
|
3月前
|
机器学习/深度学习 人工智能 容灾
硅谷GPU云托管:驱动AI革命的下一代计算基石
在人工智能与高性能计算席卷全球的今天,硅谷作为科技创新的心脏,正通过GPU云托管服务重新定义计算能力的边界。无论您是初创公司的机器学习工程师,还是跨国企业的研究团队,硅谷GPU云托管已成为实现突破性创新的关键基础设施。
|
7月前
|
Kubernetes 调度 异构计算
一文搞懂 GPU 共享方案: NVIDIA Time Slicing
本文主要分享 GPU 共享方案,包括如何安装、配置以及使用,最后通过分析源码了 TImeSlicing 的具体实现。通过配置 TImeSlicing 可以实现 Pod 共享一块物理 GPU,以提升资源利用率。
331 11
|
9月前
|
并行计算 PyTorch 算法框架/工具
融合AMD与NVIDIA GPU集群的MLOps:异构计算环境中的分布式训练架构实践
本文探讨了如何通过技术手段混合使用AMD与NVIDIA GPU集群以支持PyTorch分布式训练。面对CUDA与ROCm框架互操作性不足的问题,文章提出利用UCC和UCX等统一通信框架实现高效数据传输,并在异构Kubernetes集群中部署任务。通过解决轻度与强度异构环境下的挑战,如计算能力不平衡、内存容量差异及通信性能优化,文章展示了如何无需重构代码即可充分利用异构硬件资源。尽管存在RDMA验证不足、通信性能次优等局限性,但该方案为最大化GPU资源利用率、降低供应商锁定提供了可行路径。源代码已公开,供读者参考实践。
720 3
融合AMD与NVIDIA GPU集群的MLOps:异构计算环境中的分布式训练架构实践
|
机器学习/深度学习 弹性计算 人工智能
阿里云服务器架构有啥区别?X86计算、Arm、GPU异构、裸金属和高性能计算对比
阿里云ECS涵盖x86、ARM、GPU/FPGA/ASIC、弹性裸金属及高性能计算等多种架构。x86架构采用Intel/AMD处理器,适用于广泛企业级应用;ARM架构低功耗,适合容器与微服务;GPU/FPGA/ASIC专为AI、图形处理设计;弹性裸金属提供物理机性能;高性能计算则针对大规模并行计算优化。
840 7
|
机器学习/深度学习 并行计算 算法
GPU加速与代码性能优化:挖掘计算潜力的深度探索
【10月更文挑战第20天】GPU加速与代码性能优化:挖掘计算潜力的深度探索
|
机器学习/深度学习 弹性计算 编解码
阿里云服务器计算架构X86/ARM/GPU/FPGA/ASIC/裸金属/超级计算集群有啥区别?
阿里云服务器ECS提供了多种计算架构,包括X86、ARM、GPU/FPGA/ASIC、弹性裸金属服务器及超级计算集群。X86架构常见且通用,适合大多数应用场景;ARM架构具备低功耗优势,适用于长期运行环境;GPU/FPGA/ASIC则针对深度学习、科学计算、视频处理等高性能需求;弹性裸金属服务器与超级计算集群则分别提供物理机级别的性能和高速RDMA互联,满足高性能计算和大规模训练需求。
540 6
|
并行计算 API 数据处理
GPU(图形处理单元)因其强大的并行计算能力而备受关注。与传统的CPU相比,GPU在处理大规模数据密集型任务时具有显著的优势。
GPU(图形处理单元)因其强大的并行计算能力而备受关注。与传统的CPU相比,GPU在处理大规模数据密集型任务时具有显著的优势。
|
机器学习/深度学习 人工智能 弹性计算
阿里云GPU服务器全解析_GPU服务器租用费用_NVIDIA A10、V100、T4、P4、P100 GPU卡
阿里云GPU云服务器提供NVIDIA A10、V100、T4、P4、P100等多种GPU卡,结合高性能CPU,单实例计算性能高达5PFLOPS。支持2400万PPS及160Gbps内网带宽。实例规格多样,如A10卡GN7i(3213.99元/月)、V100-16G卡GN6v(3830.00元/月)等。适用于深度学习、科学计算、图形处理等场景。GPU软件如AIACC-Training、AIACC-Inference助力性能优化。购买方式灵活,客户案例包括深势科技、流利说、小牛翻译。
2909 0

热门文章

最新文章