Química computacional

Hay varios proyectos en marcha encaminados a acelerar códigos de química cuántica utilizando GPUs con CUDA, lo que incluye trabajos con Gaussian y GAMESS. Los gráficos siguientes muestran los resultados más representativos, seguidos de enlaces con aplicaciones y publicaciones técnicas relativas al uso de CUDA en química computacional.

La aparición de NVIDIA Tesla Bio Workbench proporciona a biofísicos y químicos computacionales las herramientas necesarias para abrir nuevas fronteras en la investigación bioquímica, optimizar los flujos de trabajo y acelerar el ritmo de la investigación científica. Más información.

Cálculos SCF (Self-Consistent Field) directos Ufimtsev y Martinez	Evaluación de integrales de dos electrones Koji Yasuda

* Mejora esperada de la velocidad con respecto a un sistema basado en una CPU x64 de cuatro núcleos. Cifra obtenida de las pruebas internas de NVIDIA o de la documentación suministrada por el proveedor de la aplicación.

CONSIGA SU PROPIO SUPERORDENADOR PERSONAL Examine la oferta de Superordenadores NVIDIA Tesla de los distribuidores preferentes de sistemas Tesla.

Descarga de aplicaciones de dinámica molecular para CUDA

• Información sobre la aceleración de código en la GPU VMD
• NAMD 2.7 Beta 2 con aceleración CUDA
• HOOMD: Highly Optimized Object Oriented Molecular Dynamics
• Librería OpenMM para acelerar aplicaciones de dinámica molecular en la GPU
• GROMACS con OpenMM
• Puerto CUDA de AMBER
• LAMMPS para GPU
• TeraChem: primer código de química cuántica escrito enteramente para GPUs CUDA
• ACE-MD
• MDGPU
• GPUGrid.net
• BigDFT : código de estructuras electrónicas basado en DFT (Teoría del funcional de la densidad) -- Artículo en PDF
• PC GAMESS en CUDA

• Trabajo de Todd Martinez sobre química cuántica en las GPUs
• Q-Chem en CUDA
• Implementación del método PME (Particle-Mesh Ewald) en la GPU
• Evaluación de integrales de dos electrones en la GPU
• Aceleración del método de orbitales frontera (FMO) con CUDA
• Publicaciones sobre NAMD y VMD
• Dinámica molecular en una red distribuida (grid) de GPUs

• Ponencia: ciencia a alta velocidad , Hanspeter Pfister, Universidad de Harvard
• Dinámica molecular acelerada en la GPU con AMBER, Instituto de Investigación Scripps y Centro de Supercomputación de San Diego
• Visualización y análisis acelerados en la GPU en VMD, Universidad de Illinois en Urbana-Champaign
• Biofísica computacional y electrostática de largo alcance en las GPUs, NVIDIA
• Voluntarios del GPU Computing: Petaflops gratis, Universidad de California, Berkeley
• Uso de la GPU para la formación de cirujanos y la planificación de intervenciones, CSIRO
• Solvers acelerados en la GPU para EDOs empleadas en simulaciones de la membrana cardiaca, Universidad de California, San Diego
• Reconstrucción del cerebro: extracción de los circuitos neuronales con CUDA y MPI, Universidad de Harvard
• Visión computarizada basada en modelos biológicos: una fórmula de alta velocidad, MIT
• Simulación a gran escala de CDC en el retículo con un cluster de GPUs, Universidad Nacional de Taiwán

• Introducción al soporte de NVIDIA CUDA en AMBER: lecciones aprendidas, capacidades adquiridas, Ross Walker, Universidad de California San Diego, Centro de Supercomputación de San Diego
• Aprovechamiento de la velocidad de la GPU para acelerar la simulación de partículas en LAMMPS, Paul Crozier, Sandia National Laboratory
• Aceleración de aplicaciones de modelado molecular con cálculo en la GPU, John Stone, Instituto Beckman de Ciencia y Tecnología Avanzada de la Universidad de Illinois en Urbana Champaign

• Dinámica molecular
• Aceleración de MATLAB
• Bioinformática y biociencias

• Otras soluciones sectoriales basadas en Tesla
• Librerías y herramientas de desarrollo de software para CUDA