药物研究需要快速、高效的模拟来预测分子如何相互作用，从而加速药物研发。NVIDIA 高级开发者技术工程师 Jiqun Tu 和 Schrödinger Desmond 引擎技术负责人 Ellery Russell 将探索旨在加速分子动力学模拟的高级 GPU 优化技术。
在这场 NVIDIA GTC 2024 会议中，他们提出了提高工作负载效率和吞吐量的实用策略，为药物研究人员提供了增强计算药物研发的工具。这些策略基于现有的 CUDA 工作流，涵盖了 CUDA Graphs、C++ coroutines 和 mapped memory 等创新技术，可克服扩展挑战和瓶颈。
请关注我们，并获取 会议的 PDF 文件 ，该文件为与会者提供切实可行的技术，以优化性能、最大限度地降低延迟，并充分利用 GPU 功能进行分子模拟。主题包括：
CUDA 图形：将核函数启动分组到依赖树中可减少开销并实现更高效的执行。
GPU 吞吐量优化： 通过在同一 GPU 上调度多个独立的模拟来掩盖串行瓶颈，专注于吞吐量。
映射内存： 使用主机和设备之间的直接内存访问以消除数据传输延迟。
C++ 协程：用于重叠计算和控制多个模拟的策略，不需要进行复杂的代码重构即可提高 GPU 利用率。
FEP+ 和 Desmond 引擎性能： 关于如何在 Schrödinger 的分子动力学引擎中使用这些工具的案例研究，在关键工作负载中实现高达 2.02 倍的加速。
观看会议“ 加速药物研发：使用 CUDA 图形、映射内存、C++ 协程等优化动态 GPU 工作流程 ”，探索 NVIDIA On-Demand 的更多视频，并加入 NVIDIA 开发者计划 ，聆听行业专家宝贵的技能和见解。
此内容部分在生成式 AI 和 LLM 的协助下制作而成， 并经过 NVIDIA 技术博客团队的仔细审查和编辑，以确保准确性、准确性和质量。
