藥物研究需要快速、高效的模擬來預測分子如何相互作用，從而加速藥物研發。NVIDIA 高級開發者技術工程師 Jiqun Tu 和 Schr?dinger Desmond 引擎技術負責人 Ellery Russell 將探索旨在加速分子動力學模擬的高級 GPU 優化技術。
在這場 NVIDIA GTC 2024 會議中，他們提出了提高工作負載效率和吞吐量的實用策略，為藥物研究人員提供了增強計算藥物研發的工具。這些策略基于現有的 CUDA 工作流，涵蓋了 CUDA Graphs、C++ coroutines 和 mapped memory 等創新技術，可克服擴展挑戰和瓶頸。
請關注我們，并獲取 會議的 PDF 文件 ，該文件為與會者提供切實可行的技術，以優化性能、最大限度地降低延遲，并充分利用 GPU 功能進行分子模擬。主題包括：
CUDA 圖形：將核函數啟動分組到依賴樹中可減少開銷并實現更高效的執行。
GPU 吞吐量優化： 通過在同一 GPU 上調度多個獨立的模擬來掩蓋串行瓶頸，專注于吞吐量。
映射內存： 使用主機和設備之間的直接內存訪問以消除數據傳輸延遲。
C++ 協程：用于重疊計算和控制多個模擬的策略，不需要進行復雜的代碼重構即可提高 GPU 利用率。
FEP+ 和 Desmond 引擎性能： 關于如何在 Schr?dinger 的分子動力學引擎中使用這些工具的案例研究，在關鍵工作負載中實現高達 2.02 倍的加速。
觀看會議“ 加速藥物研發：使用 CUDA 圖形、映射內存、C++ 協程等優化動態 GPU 工作流程 ”，探索 NVIDIA On-Demand 的更多視頻，并加入 NVIDIA 開發者計劃 ，聆聽行業專家寶貴的技能和見解。
此內容部分在生成式 AI 和 LLM 的協助下制作而成， 并經過 NVIDIA 技術博客團隊的仔細審查和編輯，以確保準確性、準確性和質量。
?
