| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-21页 |
| 1.1 课题研究背景及目的 | 第12-15页 |
| 1.1.1 课题来源和背景 | 第12-14页 |
| 1.1.2 研究目的及意义 | 第14-15页 |
| 1.2 国内外研究概况 | 第15-18页 |
| 1.2.1 国内外并行计算的发展概况 | 第15-17页 |
| 1.2.2 国内外分子动力学的发展概况 | 第17-18页 |
| 1.3 本文的构想及主要工作 | 第18-21页 |
| 第2章 分子动力学模拟方法 | 第21-29页 |
| 2.1 基本原理 | 第21-22页 |
| 2.2 势函数 | 第22-23页 |
| 2.3 初始化条件 | 第23-24页 |
| 2.4 运动积分求解过程 | 第24-28页 |
| 2.4.1 积分求解方法-VERLET算法 | 第24-25页 |
| 2.4.2 周期性边界条件 | 第25-26页 |
| 2.4.3 最近镜像原则 | 第26页 |
| 2.4.4 截断半径方法-最佳元胞分割 | 第26-27页 |
| 2.4.5 积分步长及约化单位 | 第27-28页 |
| 2.5 小结 | 第28-29页 |
| 第3章 分子动力学并行计算模型 | 第29-38页 |
| 3.1 并行计算基础 | 第29页 |
| 3.2 分子动力学并行算法 | 第29-31页 |
| 3.3 PVM并行模型 | 第31-32页 |
| 3.4 OpenMP+MPI并行模型 | 第32-36页 |
| 3.5 小结 | 第36-38页 |
| 第4章 分子动力学GPU并行算法分析与设计 | 第38-50页 |
| 4.1 GPU架构与CUDA编程技术 | 第38-41页 |
| 4.1.1 GPU架构 | 第38-39页 |
| 4.1.2 CUDA编程方法 | 第39-41页 |
| 4.2 基于CUDA的优化 | 第41-44页 |
| 4.2.1 内存访问优化 | 第41-43页 |
| 4.2.2 数据通信优化 | 第43-44页 |
| 4.2.3 指令优化 | 第44页 |
| 4.3 基于GPU的并行分子动力学模拟方法分析 | 第44-49页 |
| 4.3.1 原子间作用力并行计算的分析 | 第44-46页 |
| 4.3.2 基于GPU的分子动力学算法总体设计与流程 | 第46-49页 |
| 4.4 小结 | 第49-50页 |
| 第5章 分子动力学GPU并行算法实现与性能分析 | 第50-58页 |
| 5.1 运行平台架构及配置 | 第50-51页 |
| 5.2 系统的初始化 | 第51-52页 |
| 5.3 基于GPU的MD并行计算实现 | 第52-54页 |
| 5.4 实验结果与性能分析 | 第54-57页 |
| 5.4.1 不同精度的GPU的性能比较 | 第54-55页 |
| 5.4.2 不同型号的GPU的性能比较 | 第55页 |
| 5.4.3 单CPU与单GPU的性能比较 | 第55-56页 |
| 5.4.4 CPU集群与单GPU的性能比较 | 第56-57页 |
| 5.5 小结 | 第57-58页 |
| 第6章 基于分子动力学计算结果的物理模拟实验 | 第58-66页 |
| 6.1 引言 | 第58-59页 |
| 6.2 双体分布函数分析 | 第59-60页 |
| 6.3 键对类型指数分析 | 第60-61页 |
| 6.4 原子集群分析 | 第61-65页 |
| 6.5 小结 | 第65-66页 |
| 结论 | 第66-68页 |
| 参考文献 | 第68-74页 |
| 致谢 | 第74-75页 |
| 附录A (攻读硕士学位期间所发表的学术论文目录) | 第75-76页 |
| 附录B (攻读硕士学位期间所参与的学术科研活动) | 第76页 |