2019
informatika
Jász Ádám
Az MMFF94 és az UFF molekulamechanikai erőterek optimalizációja GPU-ra
Témavezető:
Dr. Cserey György, Ladjánszki István
Összefoglaló
A számítógépes szimulációk egyik fontos használati területe az anyagtudomány, a molekulák szerkezeteinek és kölcsönhatásainak a vizsgálata, melyre különböző algoritmusokat fejlesztettek. A legegyszerűbb modell a molekulamechanika, mely potenciális energiákat ír le; ilyenek például az MMFF94 és az UFF modellekben használt erőterek. A molekulában levő atomok koordinátáinak változtatásával és energiaszámolással lokálisan minimális energiájú állapotok találhatóak, melyek a molekula rezonáns határszerkezeteit reprezentálják.

A szimulációk sebessége nagyban hozzájárul az eredmények elérhetőségéhez, ezért törekedni kell a minél rövidebb futási időkre. Ezt erősebb hardver, az algoritmusok optimalizálása, illetve újfajta architektúrákra való átültetés segítségével lehet elérni. Manapság ez utóbbi hozhatja a legjobb eredményeket. Az ilyen új architektúrák egyike a GPU, vagyis grafikai feldolgozóegység, mely felépítéséből adódóan nagyfokú párhuzamosítást követel meg a rajta futó algoritmusoktól.

Ezen dolgozat az MMFF94 és UFF erőterek energia- és gradiensszámolásának GPU-n történő megvalósítását részletezi. A munka során fő szempont a számolási pontosság megőrzése és a CPU-n futó verzióhoz képest gyorsulás elérése.

Az első lépés egy CPU-n futó program készítése az algoritmusok használatára, hogy legyen egy saját keretrendszer, melybe GPU-s gyorsítás implementálható. A pontosság validálásához az Open Babel kémiai szoftvercsomagban elérhető MMFF94 és UFF modulok által számolt referenciaadatok használata jó megoldás.

Az erőterek által leírt teljes energia különböző energiatagokból épül fel, ezeket külön-külön vizsgálva fokozatosan lehet tesztelni a megvalósítást. Legnagyobb sebességnövekedést a van der Waals és elektrosztatikus energiák esetében várható, mivel ezeknél egy molekula majdnem minden atompárjára kell parciális energiát számolni, tehát lehet a jelentős párhuzamosítást kihasználva gyorsulást elérni.

A koordinátáktól független beállításokat és a tényleges számolásokat is érdemes grafikai egységen csinálni. Az atomok adatait, illetve a paramétereket ehhez át kell másolni a GPU memóriájába. Lokális memória és atomikus műveletek használata segíti a számolások elvégzését. A mérési eredmények azt mutatják, hogy jelentős gyorsulást lehet elérni: kétszeres pontossággal MMFF94 esetén 14-szeres, UFF esetén pedig 12-szeres, egyszeres pontosságot használva MMFF94 esetén 20-szoros, UFF esetén 14-szeres sebességnövekedést.
Jász Ádám
Jász Ádám
Adatok feltöltés alatt
Curriculum Vitae
Jász Ádám a Pázmány Péter Katolikus Egyetem Információs Technológiai és Bionikai karán szerezte 2017-ben molekuláris bionikus mérnöki, 2019-ben pedig mérnökinformatikus diplomáját. Tudományos érdeklődése a GPU programozás, ezzel kapcsolatban írta diplomáját az ONIOM klasszikus- és kvantummechanikát kombináló algoritmus gyorsításáról. Klasszikus mechanikára épülő számítógépes kémiai módszerek GPU-s gyorsításával kapcsolatban több cikke jelent meg nemzetközi folyóiratokban, illetve konferenciapublikáció formájában.
Dr. Cserey György
Dr. Cserey György
Dr. Cserey György Gábor, 2007-től a Pázmány Péter Katolikus Egyetemen dolgozik és vezeti az Érzékelő robotika labort. Jelenleg egyetemi docens. Oktatási, kutatási és fejlesztési tevékenységet folytat. Ph.D. fokozatát 2006-ban a PPKE ITK-n szerezte Infobionikából. 2003 április és 2004 június között a Notre Dame-i egyetemen (USA), mint kutató doktorandusz dolgozott. 2010-ben Bolyai Kutatási ösztöndíjat nyert, 2012-ben a Nemzeti Kiválóság Program keretében Magyary Zoltán Kutatási Ösztöndíjat kapott. Irányítása alatt hallgatói eddig 21 TDK dolgozatot adtak be, melyből OTDK helyezést ért el 11 dolgozat. A konzultált TDK dolgozatok eredményeként 11 elfogadott nemzetközi publikáció is született. 2004-2011 között a PPKE ITK TDT titkára, később elnöke, évente szervezi a kari TDK konferenciát, a 2011 évi XXX. Jubileumi OTDK Informatika Tudományi Szekciónak ügyvezető elnöke volt. Önálló laboratórium és szakdolgozat/diploma munka során több, mint 70 BSc-MSc hallgatót konzultált, melyek közül eddig 16-an doktoranduszként folytatták tanulmányaikat. Témavezetettjei közül 5-en Ph.D. fokozatot szereztek. Kutdiák mentor tevékenység keretében több középiskolás diákot mentorált. Legutóbb 2018-ban Vas Zsófia Alexa a Tudományos Diákkörök XVIII. Kárpát-medencei Konferenciájának döntőjére jutott ki és ott különdíjat nyert. Több OKA pályázatot nyert el és sikerrel valósította meg hallgatóinak aktív részvételével tehetségműhely, TDK, OTDK és középiskolai tehetséggondozó tábor szervezését.
Ladjánszki István
Ladjánszki István
Ladjánszki István kutatási vezető a StreamNovation Kft.-nél kvantumkémiai számolások GPU-s gyorsítása területen. Elméleti fizikus diplomáját 2011-ben szerezte a Budapesti Műszaki és Gazdaságtudományi Egyetemen. "Reduced scaling Hartree-Fock calculations using tensor decomposition and neural network" című munkáját első hellyel jutalmazták az Országos Tudományos Diákköri Konferencián. 2010 és 2013 között az MRCC kvantumkémiai programcsomag Self-Consistent Field (SCF) moduljának fejlesztésével foglalkozott. Fő kutatási érdeklődési körei: kvantumkémiához kapcsolódó integrálszámítások, Hartree-Fock-szintű közelítési módszerek és gépi tanulás.