cuPotential
4 节点1 篇5 来源
英伟达(NVIDIA)于2026年11月发布开源库cuPotential,旨在加速分子动力学模拟中的长程相互作用计算。该库通过优化周期性边界条件下的静电和色散力评估,在Blackwell等GPU上实现端到端2至3倍以上的速度提升,并显著降低能量漂移。cuPotential提供模块化C API及OpenMM插件,允许开发者以最小代码改动替换非键合力、积分器和恒压器组件。其核心算法由英伟达与D. E. Shaw Research及Flatiron研究所合作开发,采用新的C2连续分裂函数,在较低网格分辨率下保持高精度。目前,Topos Bio、Terray Therapeutics和Synopsys等公司已将其应用于药物发现AI模型训练及半导体材料模拟,验证了其在生成合成数据和加速原子级仿真方面的实际效能。
事情怎么走到这一步
英伟达技术博客发布文章《Accelerate Molecular Dynamics Simulations...》,详细介绍cuPotential库的技术原理、OpenMM集成方法及基准测试结果。
developer.nvidia.com ↗英伟达新闻稿宣布CUDA-X库扩展,包括cuPotential,指出其可帮助构建模拟原子相互作用的AI代理,并在早期测试中加速工作流2-3倍。
nvidianews.nvidia.com ↗Topos Bio发布博客,报告使用cuPotential在L4 GPU上将分子动力学吞吐量提高2.4倍至3.6倍,用于训练生成式AI模型。
toposbio.ai ↗Terray Therapeutics发布研究更新,说明利用cuPotential将合成数据生成成本降低2.5倍,从而增强TerraBind模型的精度。
terraytx.ai ↗