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
部署Stable Diffusion玩转AI绘画(GPU云服务器)
本实验通过在ECS上从零开始部署Stable Diffusion来进行AI绘画创作,开启AIGC盲盒。
目录
相关文章
|
6月前
|
人工智能 并行计算 PyTorch
【PyTorch&TensorBoard实战】GPU与CPU的计算速度对比(附代码)
【PyTorch&TensorBoard实战】GPU与CPU的计算速度对比(附代码)
333 0
|
6月前
|
人工智能 弹性计算 PyTorch
【Hello AI】神行工具包(DeepGPU)-GPU计算服务增强工具集合
神行工具包(DeepGPU)是阿里云专门为GPU云服务器搭配的GPU计算服务增强工具集合,旨在帮助开发者在GPU云服务器上更快速地构建企业级服务能力
129601 3
|
13天前
|
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
|
1月前
|
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。
|
4月前
|
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。
|
5月前
|
机器学习/深度学习 并行计算 PyTorch
【从零开始学习深度学习】20. Pytorch中如何让参数与模型在GPU上进行计算
【从零开始学习深度学习】20. Pytorch中如何让参数与模型在GPU上进行计算
|
5月前
|
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。
647 0
|
5月前
|
缓存 Serverless API
函数计算产品使用问题之GPU实例留运行但未进行 GPU 计算,是否还会计费
函数计算产品作为一种事件驱动的全托管计算服务,让用户能够专注于业务逻辑的编写,而无需关心底层服务器的管理与运维。你可以有效地利用函数计算产品来支撑各类应用场景,从简单的数据处理到复杂的业务逻辑,实现快速、高效、低成本的云上部署与运维。以下是一些关于使用函数计算产品的合集和要点,帮助你更好地理解和应用这一服务。
|
5月前
|
XML 机器学习/深度学习 监控
性能监控之Telegraf+InfluxDB+Grafana NVIDIA GPU实时监控
【6月更文挑战12天】性能监控之Telegraf+InfluxDB+Grafana NVIDIA GPU实时监控
137 0
|
6月前
|
存储 机器学习/深度学习 并行计算
阿里云服务器X86计算、Arm计算、GPU/FPGA/ASIC、高性能计算架构区别
在我们选购阿里云服务器的时候,云服务器架构有X86计算、ARM计算、GPU/FPGA/ASIC、弹性裸金属服务器、高性能计算可选,有的用户并不清楚他们之间有何区别,本文主要简单介绍下不同类型的云服务器有何不同,主要特点及适用场景有哪些。
阿里云服务器X86计算、Arm计算、GPU/FPGA/ASIC、高性能计算架构区别