GROMACS

GROMACS on erittäin tehokas ohjelmisto molekyylidynamiikkasimulaatioiden ja energian minimoinnin suorittamiseen erityisesti proteiineille. Sitä voidaan kuitenkin käyttää myös polymeerien, kalvojen ja esimerkiksi karkeistetun tason järjestelmien mallintamiseen. Mukana tulee myös runsaasti analyysiskriptejä.

• GROMACS
  • Saatavuus
  • Lisenssi
  • Käyttö
    • Huomioita suorituskyvystä
    • Roihu
      • Suorituskyvyn yleiskuva
    • Puhti
    • Mahti
    • LUMI
      • Huomioita sidonnasta ja usean GPU:n simulaatioista LUMIssa
      • GPU PME -hajotus
    • Visualisointi ja analyysi
      • Raskaiden/pitkien analyysien ajaminen
  • Viitteet
  • Lisätietoja

Saatavuus

Roihu-CPURoihu-GPULUMIPuhtiMahti

Versio	Saatavilla olevat moduulit	Huomautukset
2025.1	gromacs/2025.1	CPU-versio
2025.2	gromacs/2025.2	CPU-versio
2025.3	gromacs/2025.3	CPU-versio
2025.4	gromacs/2025.4	CPU-versio
2026.0	gromacs/2026.0	CPU-versio
2026.1	gromacs/2026.1	CPU-versio

Versio	Saatavilla olevat moduulit	Huomautukset
2025.1	gromacs/2025.1	GPU-versio
2025.2	gromacs/2025.2	GPU-versio
2025.3	gromacs/2025.3	GPU-versio
2025.4	gromacs/2025.4	GPU-versio
2026.0	gromacs/2026.0	GPU-versio
2026.1	gromacs/2026.1	GPU-versio

Versio	Saatavilla olevat moduulit	Huomautukset
2025.1	gromacs/2025.1 gromacs/2025.1-gpu gromacs/2025.1-heffte	GPU-tuettu moduuli saatavilla heFFTe-kirjastolla varustettu moduuli saatavilla GPU PME -hajotukseen
2025.2	gromacs/2025.2 gromacs/2025.2-gpu	GPU-tuettu moduuli saatavilla
2025.3	gromacs/2025.3 gromacs/2025.3-gpu	GPU-tuettu moduuli saatavilla
2025.4	gromacs/2025.4 gromacs/2025.4-gpu gromacs/2025.4-heffte	GPU-tuettu moduuli saatavilla heFFTe-kirjastolla varustettu moduuli saatavilla GPU PME -hajotukseen
2026.0	gromacs/2026.0 gromacs/2026.0-gpu	GPU-tuettu moduuli saatavilla
2026.1	gromacs/2026.1 gromacs/2026.1-gpu gromacs/2026.1-heffte	GPU-tuettu moduuli saatavilla heFFTe-kirjastolla varustettu moduuli saatavilla GPU PME -hajotukseen

Versio	Saatavilla olevat moduulit	Huomautukset
2022.2	gromacs/2022.2 gromacs/2022.2-cuda	GPU-tuettu moduuli saatavilla
2022.3	gromacs/2022.3 gromacs/2022.3-cuda	GPU-tuettu moduuli saatavilla
2022.4	gromacs/2022.4 gromacs/2022.4-cuda	GPU-tuettu moduuli saatavilla
2023.2	gromacs/2023.2
2023.3	gromacs/2023.3
2024.0	gromacs/2024
2024.1	gromacs/2024.1
2024.2	gromacs/2024.2
2024.3	gromacs/2024.3
2024.4	gromacs/2024.4
2025.1	gromacs/2025.1
2025.2	gromacs/2025.2
2025.4	gromacs/2025.4

Versio	Saatavilla olevat moduulit	Huomautukset
2022.1	gromacs/2022.1 gromacs/2022.1-cp2k	CP2K:lla varustettu moduuli saatavilla QM/MM-käyttöön
2022.2	gromacs/2022.2 gromacs/2022.2-cuda	GPU-tuettu moduuli saatavilla
2022.3	gromacs/2022.3 gromacs/2022.3-cuda	GPU-tuettu moduuli saatavilla
2022.4	gromacs/2022.4 gromacs/2022.4-cuda	GPU-tuettu moduuli saatavilla
2023.1	gromacs/2023.1
2023.2	gromacs/2023.2
2023.3	gromacs/2023.3
2024.0	gromacs/2024
2024.1	gromacs/2024.1
2024.2	gromacs/2024.2
2024.3	gromacs/2024.3
2024.4	gromacs/2024.4
2025.1	gromacs/2025.1
2025.2	gromacs/2025.2
2025.4	gromacs/2025.4

Huomautukset

• Roihussa, Puhdissa ja Mahdissa on myös gromacs-env/<year>-moduuleja, joilla voi ladata kunkin vuoden uusimman aliversion (korvaa <year> vastaavasti).

• Jotta voit käyttää moduuleja LUMIssa, lataa ensin CSC:n moduulipuu käyttöön komennolla:

  module use /appl/local/csc/modulefiles
  

• Versioiden 2025.0 ja sitä uudempien pitäisi tukea PLUMEDia oletuksena. Jos haluat käyttää PLUMEDia, lataa lisäksi PLUMED-moduuli.

• Tarjoamme vain MPI-version gmx_mpi, mutta sitä voi käyttää grompp-, editconf- jne. komentoihin samalla tavalla kuin sarjaversiota. Komennon gmx grompp sijaan käytä gmx_mpi grompp.

Lisenssi

GROMACS on LGPL-lisenssin version 2.1 alainen vapaa ohjelmisto.

Käyttö

Alusta suositeltu GROMACSin versio Roihussa, Puhdissa tai Mahdissa näin:

module purge
module load gromacs-env

Käytä komentoa module spider muiden versioiden löytämiseen. Näiden moduulien lataamiseksi sinun täytyy ensin ladata vaaditut riippuvuudet, jotka näytetään komennolla module spider gromacs/<version>.

Jotta voit käyttää CSC:n GROMACS-moduuleja LUMIssa, muista suorittaa ensin:

module use /appl/local/csc/modulefiles

Tärkeää

Käytäthän mdrun-komennon kanssa -maxh-valitsinta. Asettamalla sen yhtä suureksi tai hieman pienemmäksi kuin pyydetty aikaraja (tunteina) varmistat, että simulaatiollasi on aikaa kirjoittaa lopullinen checkpoint-tiedosto ja päättyä hallitusti ennen kuin Slurm lopettaa työn.

Jos tätä ei määritetä, on mahdollista, että työ kaataa solmun tai solmut, joilla se on käynnissä. Yleisiä vinkkejä pitkien simulaatioiden hallintaan löytyy GROMACS-käsikirjasta.

Huomioita suorituskyvystä

Huomio

Minimoi tarpeeton levy-I/O – älä koskaan aja runsassanallisia simulaatioita mdrun -v -valitsimella!

On tärkeää määrittää simulaatiot oikein, jotta resursseja käytetään tehokkaasti.

1. Jos ajat rinnakkain, tee skaalautuvuustesti jokaiselle järjestelmälle – älä käytä enempää ytimiä/GPU:ita kuin on tehokasta. Skaalautuvuus riippuu monista järjestelmäsi ominaisuuksista ja käytetyistä algoritmeista, ei vain koosta.
2. Käytä tuoretta versiota – vuosien aikana on tullut merkittäviä nopeutuksia ja virheenkorjauksia. Jos vaihdat pääversiota, muista tarkistaa, että tulokset ovat vertailukelpoisia.
3. Suurissa CPU-töissä käytä kokonaisia solmuja (384 ytimen kerrannaisia Roihussa, 40 ytimen kerrannaisia Puhdissa tai 128 ytimen kerrannaisia Mahdissa ja LUMIssa). Katso esimerkit alla.
4. GPU-suorituskyky riippuu monista tekijöistä ja siitä, mitä laskentaa siirrät GPU:lle. Katso yleiskuva ENCCS:n verkkomateriaaleista tai GROMACS LUMIssa -työpajan materiaaleista, miten ajaa tehokkaasti LUMI-G:llä.
5. LUMI-G:llä on tärkeää varmistaa, että CPU:t on sidottu oikeisiin GPU:ihin viestintäylikuorman minimoimiseksi. Katso esimerkit alla ja lisätietoja LUMI Docsista.

Täydellisempi kuvaus löytyy GROMACSin käsikirjan mdrun performance checklist -osiosta.

Roihu

Vain MPI:tä käyttävä eräajokomentosarjaHybridi MPI/OpenMP -eräajokomentosarjaYhden GPU:n eräajokomentosarjaTäyden GPU-solmun eräajokomentosarja

#!/bin/bash
#SBATCH --time=00:15:00
#SBATCH --partition=small
#SBATCH --nodes=1
#SBATCH --ntasks-per-node=192
#SBATCH --account=<project>
#SBATCH --hint=nomultithread

# this script runs a 192-core (half a node, no hyperthreading) gromacs
# job, requesting 15 minutes time

module purge
module load gromacs-env
export OMP_NUM_THREADS=1

srun gmx_mpi mdrun -s topol -maxh 0.2

#!/bin/bash
#SBATCH --time=00:15:00
#SBATCH --partition=medium
#SBATCH --nodes=1
#SBATCH --ntasks-per-node=192
#SBATCH --cpus-per-task=2
#SBATCH --account=<project>
#SBATCH --hint=nomultithread

# this script runs a 384-core (one full node, no hyperthreading) gromacs
# job, requesting 15 minutes time and 192 tasks per node, each with 2
# OpenMP threads

module purge
module load gromacs-env

export OMP_NUM_THREADS=${SLURM_CPUS_PER_TASK}

srun gmx_mpi mdrun -s topol -maxh 0.2

#!/bin/bash
#SBATCH --time=00:15:00
#SBATCH --partition=gpumedium
#SBATCH --nodes=1
#SBATCH --ntasks-per-node=1
#SBATCH --cpus-per-task=72
#SBATCH --gres=gpu:gh200:1
#SBATCH --account=<project>
#SBATCH --hint=nomultithread

# this script runs a single-GPU gromacs job, requesting 1 task per GPU,
# 72 OpenMP threads per task and 15 minutes time

module purge
module load gromacs-env

export OMP_NUM_THREADS=${SLURM_CPUS_PER_TASK}
export GMX_ENABLE_DIRECT_GPU_COMM=1
export GMX_FORCE_GPU_AWARE_MPI=1

srun gmx_mpi mdrun -s topol -maxh 0.2 -nb gpu -bonded gpu -pme gpu -update gpu

#!/bin/bash
#SBATCH --time=00:15:00
#SBATCH --partition=gpumedium
#SBATCH --nodes=1
#SBATCH --ntasks-per-node=4
#SBATCH --cpus-per-task=72
#SBATCH --gres=gpu:gh200:4
#SBATCH --account=<project>
#SBATCH --hint=nomultithread

# this script runs a full GPU node gromacs job, requesting 1 task per GPU,
# 72 OpenMP threads per task and 15 minutes time

module purge
module load gromacs-env

export OMP_NUM_THREADS=${SLURM_CPUS_PER_TASK}
export GMX_ENABLE_DIRECT_GPU_COMM=1
export GMX_FORCE_GPU_AWARE_MPI=1

srun gmx_mpi mdrun -s topol -maxh 0.2 -nb gpu -bonded gpu -pme gpu -update gpu -npme 1

Suorituskyvyn yleiskuva

Alla on yleiskuva GROMACS 2026.1:n suorituskyvystä Roihu-CPU:ssa ja Roihu-GPU:ssa. Käytössä on STMV-benchmark (1067k atomia, 2 fs aikasteppi), ja vertailun vuoksi mukana ovat vastaavat tulokset LUMI-C:ltä ja LUMI-G:ltä. Huomaa, että jokainen LUMIn GPU sisältää kaksi fyysistä GPU-laitetta (GCD), ja alla oleva kuvaaja viittaa nimenomaan GPU:ihin.

Pidä mielessä, että tämä on suuri järjestelmä, joka skaalautuu hyvin useille CPU-solmuille ja GPU:ille. Pienemmät järjestelmät eivät välttämättä pysty hyödyntämään tehokkaasti useita tai edes yhtä GPU:ta, jolloin useiden simulaatioiden ajaminen per GPU on suositeltavaa.

Puhti

Sarjallinen eräajokomentosarjaRinnakkainen eräajokomentosarjaGPU-eräajokomentosarja

#!/bin/bash
#SBATCH --time=00:15:00
#SBATCH --partition=small
#SBATCH --ntasks=1
#SBATCH --account=<project>
##SBATCH --mail-type=END # uncomment to get mail

# this script runs a 1-core gromacs job, requesting 15 minutes time

module purge
module load gromacs-env

export OMP_NUM_THREADS=1

srun gmx_mpi mdrun -s topol -maxh 0.2

#!/bin/bash
#SBATCH --time=00:15:00
#SBATCH --partition=large
#SBATCH --ntasks-per-node=40
#SBATCH --nodes=2
#SBATCH --account=<project>
##SBATCH --mail-type=END # uncomment to get mail

# this script runs an 80-core (2 full nodes) gromacs job, requesting 15 minutes time

module purge
module load gromacs-env

export OMP_NUM_THREADS=1

srun gmx_mpi mdrun -s topol -maxh 0.2 -dlb yes

Huomio

Jotta monisolmuiset rinnakkaistyöt eivät leviäisi useammille solmuille kuin on tarpeen, älä käytä --ntasks-valitsinta, vaan määritä --nodes ja --ntasks-per-node=40, jotta saat kokonaisia solmuja. Tämä minimoi viestintäylikuorman ja solmuvarausten pirstoutumisen.

#!/bin/bash
#SBATCH --ntasks=1
#SBATCH --cpus-per-task=10
#SBATCH --gres=gpu:v100:1
#SBATCH --time=00:15:00
#SBATCH --partition=gpu
#SBATCH --account=<project>
##SBATCH --mail-type=END # uncomment to get mail

module purge
module load gromacs-env/2022-gpu

export OMP_NUM_THREADS=${SLURM_CPUS_PER_TASK}

srun gmx_mpi mdrun -s topol -maxh 0.2 -dlb yes

# additional flags, like these, may be useful - test!
# srun gmx_mpi mdrun -pin on -pme gpu -pmefft gpu -nb gpu -bonded gpu -update gpu -nstlist 200 -s topol -dlb yes

Huomio

Varmistathan, että yhden GPU:n (ja enintään 10 CPU-ytimen) käyttö on nopeampaa kuin yhden täyden CPU-solmun käyttö käyttöehtojemme mukaisesti. Muussa tapauksessa älä käytä GPU:ita Puhdissa.

Mahti

Vain MPI:tä käyttävä rinnakkainen eräajokomentosarjaSekamuotoinen rinnakkainen eräajokomentosarja

#!/bin/bash
#SBATCH --time=00:15:00
#SBATCH --partition=medium
#SBATCH --ntasks-per-node=128
#SBATCH --nodes=2
#SBATCH --account=<project>
##SBATCH --mail-type=END # uncomment to get mail

# this script runs a 256 core (2 full nodes, no hyperthreading) gromacs
# job, requesting 15 minutes time

module purge
module load gromacs-env

export OMP_NUM_THREADS=1

srun gmx_mpi mdrun -s topol -maxh 0.2 -dlb yes

#!/bin/bash
#SBATCH --time=00:15:00
#SBATCH --partition=medium
#SBATCH --ntasks-per-node=64
#SBATCH --cpus-per-task=2
#SBATCH --nodes=2
#SBATCH --account=<project>
##SBATCH --mail-type=END # uncomment to get mail

# this script runs a 256 core (2 full nodes, no hyperthreading) gromacs
# job, requesting 15 minutes time and 64 tasks per node, each with 2 OpenMP
# threads

module purge
module load gromacs-env

export OMP_NUM_THREADS=${SLURM_CPUS_PER_TASK}

srun gmx_mpi mdrun -s topol -maxh 0.2 -dlb yes

LUMI

Yhden GCD:n eräajokomentosarjaTäyden GPU-solmun eräajokomentosarja

#!/bin/bash
#SBATCH --partition=small-g
#SBATCH --account=<project>
#SBATCH --time=00:15:00
#SBATCH --nodes=1
#SBATCH --gpus-per-node=1
#SBATCH --ntasks-per-node=1
#SBATCH --cpus-per-task=7

module use /appl/local/csc/modulefiles
module load gromacs/2025.4-gpu

export OMP_NUM_THREADS=${SLURM_CPUS_PER_TASK}

srun gmx_mpi mdrun -s topol -nb gpu -bonded gpu -pme gpu -update gpu -maxh 0.2

#!/bin/bash
#SBATCH --partition=standard-g
#SBATCH --account=<project>
#SBATCH --time=00:15:00
#SBATCH --nodes=1
#SBATCH --gpus-per-node=8
#SBATCH --ntasks-per-node=8

module use /appl/local/csc/modulefiles
module load gromacs/2025.4-gpu

export OMP_NUM_THREADS=7

export MPICH_GPU_SUPPORT_ENABLED=1
export GMX_ENABLE_DIRECT_GPU_COMM=1
export GMX_FORCE_GPU_AWARE_MPI=1

cat << EOF > select_gpu
#!/bin/bash

export ROCR_VISIBLE_DEVICES=\$SLURM_LOCALID
exec \$*
EOF

chmod +x ./select_gpu

CPU_BIND="mask_cpu:fe000000000000,fe00000000000000"
CPU_BIND="${CPU_BIND},fe0000,fe000000"
CPU_BIND="${CPU_BIND},fe,fe00"
CPU_BIND="${CPU_BIND},fe00000000,fe0000000000"

srun --cpu-bind=${CPU_BIND} ./select_gpu gmx_mpi mdrun -s topol -nb gpu -bonded gpu -pme gpu -update gpu -npme 1 -maxh 0.2

Terminologia

Jokainen LUMIn GPU koostuu kahdesta AMD Graphics Compute Die (GCD) -yksiköstä. Koska solmussa on neljä GPU:ta ja Slurm tulkitsee jokaisen GCD:n erilliseksi GPU:ksi, voit varata enintään 8 "GPU:ta" per solmu. Katso lisätietoja LUMI Docsista.

Huomioita sidonnasta ja usean GPU:n simulaatioista LUMIssa

Vain tietyt CPU-ytimet on LUMIssa kytketty suoraan tiettyyn GPU:hun, joten usean GPU:n suorituskyvyn maksimoimiseksi on tärkeää varmistaa, että CPU-ytimet sidotaan GPU:ihin tämän mukaisesti. Yllä oleva täyden GPU-solmun esimerkki huolehtii tästä ja sulkee myös pois jokaisen tiettyyn GCD:hen liitetyn 8 ytimen ryhmän ensimmäisen ytimen. Ne on varattu käyttöjärjestelmälle häiriöiden vähentämiseksi, mikä tarkoittaa, että käytettävissä on vain 56 ydintä per solmu. Siksi käytämme myös 7 säiettä per MPI-rank, emme 8:aa.

Huomio

Huomaa, että CPU-GPU-sidonta toimii vain, kun varataan kokonaisia solmuja ajamalla standard-g-osiolla tai käyttämällä --exclusive-valitsinta. Katso lisätietoja LUMI Docsista: LUMI-G hardware, LUMI-G examples, GPU binding

Sen sijaan, että GPU:t kommunikoisivat CPU:n kautta, suora GPU-viestintä tuo myös merkittäviä suorituskykyetuja ajettaessa usealla GPU:lla. Tämän käyttöönotto edellyttää seuraavien ympäristömuuttujien asettamista eräajokomentosarjassa (katso myös yllä oleva täyden GPU-solmun esimerkki):

export MPICH_GPU_SUPPORT_ENABLED=1
export GMX_ENABLE_DIRECT_GPU_COMM=1
export GMX_FORCE_GPU_AWARE_MPI=1

Alla on vertailu GROMACS 2024.3:n suorituskyvystä Mahdissa (CPU:t ja GPU:t) ja LUMI-G:llä käyttäen STMV-benchmarkia (1067k atomia, 2 fs aikasteppi). Tämä on suuri järjestelmä, joka skaalautuu erittäin hyvin myös GPU:illa. Yhden LUMI GCD:n (puoli GPU:ta) suorituskyky on suunnilleen sama kuin yhden täyden Nvidia A100 GPU:n Mahdissa, ja paljon parempi kuin yhden 128-ytimisen CPU-solmun. Tärkeää on myös, että GPU-solmujen saatavuus LUMIssa on valtava verrattuna Mahtiin (2978 vs. 24).

Pienet järjestelmät ja suuren läpimenon simulaatiot

Vaikka keskikokoiset ja suuret järjestelmät (muutamasta 100k atomista yli 1M atomiin) voivat tyypillisesti hyödyntää useita GPU:ita hyvin, pienet järjestelmät (alle 100k atomia) kannattaa usein ajaa vain yhdellä GCD:llä. Hyvä tapa kasvattaa pienten simulaatioiden GPU-käyttöastetta ja tehokkuutta edelleen on jakaa yksi GCD usean riippumattoman trajektorin kesken. Tämä voidaan toteuttaa GROMACSin sisäänrakennetulla multidir-ominaisuudella. Lisätietoja GPU-jaosta ja yhdistetystä näytteenotosta löytyy oppaastamme suuren läpimenon simulaatioihin GROMACSilla.

GPU PME -hajotus

Useiden miljoonien atomien erittäin suurten järjestelmien skaalautuvuutta voi rajoittaa yhden GPU:n PME. Skaalautuvuuden merkittäväksi parantamiseksi PME-työn hajotus useille GPU:ille on mahdollista moduuleissa, joiden pääte on -heffte ja jotka on linkitetty heFFTe-kirjastoon. Lisää seuraavat export-komennot eräajokomentosarjaasi:

export GMX_GPU_PME_DECOMPOSITION=1
export GMX_PMEONEDD=1

Käytettävien PME-rankien määrä riippuu tapauksesta, mutta 1 tai 2 per GPU-solmu on järkevä lähtökohta. Jos käytössä on siis 16 LUMI-G-solmua, kokeile -npme 16 tai -npme 32. Esimerkkibenchmark on esitetty alla.

Visualisointi ja analyysi

GROMACSin trajektoritiedostoja ja dataa voidaan visualisoida esimerkiksi seuraavilla ohjelmilla:

• VMD visualisointiohjelma suurille biomolekulaarisille järjestelmille
• Grace GROMACSin työkaluilla tuotetun datan kuvaamiseen
• MDAnalysis Python-kirjasto MD-simulaatioiden trajektorien analysointiin
  • Ei saatavilla CSC:llä, mutta käyttäjä voi asentaa sen helposti kontitetussa Conda-ympäristössä Tykyn avulla
• PyMOL molekyylimallinnusjärjestelmä (ei saatavilla CSC:llä)

Lisää on lueteltu GROMACS-käsikirjassa. Lisäksi GROMACS sisältää itse lukuisia jälkikäsittelytyökaluja trajektorien analysointiin. Katso lisätietoja komentoriviviitteestä.

Raskaiden/pitkien analyysien ajaminen

Suurten trajektorien visualisointi sekä tietyt GROMACSin työkaluskriptit voivat olla laskennallisesti erittäin vaativia, eikä niitä tule koskaan ajaa kirjautumissolmuilla (katso käyttöehdot). Aja tällaiset kuormat sen sijaan interactive-istunnossa. Koska tarjoamme vain GROMACSin MPI-version, sinun täytyy lisätä gmx_mpi-komennon eteen orterun -n 1, esimerkiksi näin:

sinteractive --account <project>
module load gromacs-env
orterun -n 1 gmx_mpi msd -n index -s topol -f traj

Koska useimmat GROMACSin analyysityökalut, kuten yllä oleva msd-työkalu, voidaan ajaa vain sarjallisesti, ne voivat kestää varsin pitkään suurilla trajektoreilla. Tällaisissa tapauksissa voi olla kätevämpää ajaa työkalut sarjallisina eräajotöinä. Jos ajettava komento vaatii vuorovaikutusta (esimerkiksi sen valitsemista, mitkä järjestelmäsi osat sisällytetään analyysiin), voit välittää nämä eräajotyössä esimerkiksi näin:

# Three consecutive selections (options 2, 2 and 0), you need to know these beforehand
echo "2 2 0" | gmx_mpi trjconv -f traj -s topol -o trajout -pbc cluster -center

Huomaa, että voit käyttää interactive-osiota (aikaraja 7 päivää) myös eräajotöissä, jos small-osion 3 päivän aikaraja ei riitä. 14 päivän longrun-osion prioriteetti on hyvin matala, ja sen käyttö vaatii usein huomattavaa jonotusta. Toinen käyttökelpoinen vaihtoehto on käyttää selainkäyttöliittymien kautta उपलब्ध olevaa pysyvää laskentasolmun komentotulkkia, joka jatkaa toimintaansa, vaikka sulkisit selaimen tai internetyhteys katkeaisi.

Viitteet

Viittaa työhösi seuraavilla lähteillä:

• S. Páll, A. Zhmurov, P. Bauer, M. J. Abraham, M. Lundborg, A. Gray, B. Hess, E. Lindahl. Heterogeneous parallelization and acceleration of molecular dynamics simulations in GROMACS. J. Chem. Phys. 153 (2020) pp. 134110.
• M. J. Abraham, T. Murtola, R. Schulz, S. Páll, J. C. Smith, B. Hess, E. Lindahl. GROMACS: High performance molecular simulations through multi-level parallelism from laptops to supercomputers. SoftwareX 1 (2015) pp. 19-25.
• S. Páll, M. J. Abraham, C. Kutzner, B. Hess, E. Lindahl. Tackling Exascale Software Challenges in Molecular Dynamics Simulations with GROMACS. In S. Markidis & E. Laure (Eds.), Solving Software Challenges for Exascale 8759 (2015) pp. 3-27.
• S. Pronk, S. Páll, R. Schulz, P. Larsson, P. Bjelkmar, R. Apostolov, M. R. Shirts, J. C. Smith, P. M. Kasson, D. van der Spoel, B. Hess, and E. Lindahl. GROMACS 4.5: a high-throughput and highly parallel open source molecular simulation toolkit. Bioinformatics 29 (2013) pp. 845-54.
• B. Hess and C. Kutzner and D. van der Spoel and E. Lindahl. GROMACS 4: Algorithms for highly efficient, load-balanced, and scalable molecular simulation. J. Chem. Theory Comput. 4 (2008) pp. 435-447.
• D. van der Spoel, E. Lindahl, B. Hess, G. Groenhof, A. E. Mark and H. J. C. Berendsen. GROMACS: Fast, Flexible and Free. J. Comp. Chem. 26 (2005) pp. 1701-1719.
• E. Lindahl and B. Hess and D. van der Spoel. GROMACS 3.0: A package for molecular simulation and trajectory analysis. J. Mol. Mod. 7 (2001) pp. 306-317.
• H. J. C. Berendsen, D. van der Spoel and R. van Drunen. GROMACS: A message-passing parallel molecular dynamics implementation. Comp. Phys. Comm. 91 (1995) pp. 43-56.

Katso simulaatiosi lokitiedostosta tarkemmat viitteet kokoonpanossasi käytetyille menetelmille.

Lisätietoja

• GROMACSin kotisivu ja dokumentaatio
• mdrun performance checklist
• Materiaaleja BioExcel-verkkosivustolla
• GROMACS-yhteisöfoorumi
• Juliste GROMACSin suorituskyvystä LUMIssa
• Koulutusmateriaalit:
  • Running GROMACS efficiently on LUMI workshop materials (2024)
  • Advanced GROMACS Workshop materials (2022)
• Opastusmateriaalit:
  • GROMACS-oppaiden kotisivu
  • Justin A. Lemkulin käytännön oppaat
  • Bert de Groot -ryhmän oppaat
  • Lyhyet How-To-oppaat GROMACS-käsikirjassa
  • Suuren läpimenon laskenta GROMACSilla
• Esimerkkitiedostot .tpr testausta varten:
  • Alcohol dehydrogenase (96k atoms)
  • Satellite tobacco mosaic virus (1067k atoms)

Onko tämä sivu hyödyllinen?

Kyllä

Kiitos palautteestasi!

Ei

Kiitos! Arvostamme palautettasi.

Kerro meille miten voisimme parantaa tätä sivua ottamalla meihin yhteyttä.