Программирование массово параллельных процессоров: Практический подход: Введение в молекулярную визуализацию и карты электростатического потенциала

Визуализация молекул выступает как жизненно важный мост между атомными координатами и биологической интуицией. Используя программное обеспечение, такое как Visual Molecular Dynamics (VMD), исследователи могут превращать сырые числовые данные в интерактивные 3D-среды, раскрывающие структурную хореографию жизни.

1. Карты электростатического потенциала

Карта электростатического потенциала — это трёхмерная сеточная представление, показывающее распределение электрического заряда по молекуле. Каждый воксель в сетке рассчитывает сумму электростатических потенциалов от всех атомов: $$V_j = \sum_{i} \frac{q_i}{r_{ij}}$$. Эти карты действуют как «прокси» силового поля, позволяя выявлять области с высокой аффинностью для связывания и сворачивания.

2. Преимущество графического процессора

Вычисление этих карт является вычислительно затратным. Как показано на Рисунке 9.1, процесс включает в себя рендеринг сложных белковых спиралей, окружённых плотными цветными облаками точек (красный — для отрицательного, синий — для положительного заряда). Такая масштабная параллельность делает графические процессоры идеальными для этих симуляций.

3. Прямое суммирование Кулоновских взаимодействий (DCS)

DCS — алгоритм выбора для генерации карт. Он опирается на инструкцию rsqrtf для высокопроизводительных вычислений обратного квадратного корня, используя постоянную память для широковещательной передачи данных атомов всем потокам обработки одновременно.

TERMINALbash — 80x24

> Ready. Click "Run" to execute.

QUESTION 1

Compare the number of operations (memory loads, floating-point arithmetic, branches) executed in each iteration of the kernel shown in Figure 9.7 compared to that in Figure 9.5. Keep in mind that each iteration of the former corresponds to four iterations of the latter.

Figure 9.7 increases memory loads by 400% compared to 9.5.

Figure 9.7 reduces branch instructions by 75% and reuses atom coordinate loads for 4 grid points.

Figure 9.5 is more efficient because it uses fewer registers per thread.

There is no difference in the number of operations when normalized by grid point.

QUESTION 2

What are two potential disadvantages associated with increasing the amount of work done in each CUDA thread, as shown in Section 9.3?

Lower global memory bandwidth and increased warp divergence.

Increased register pressure and potential for reduced hardware utilization/occupancy.

Reduced CPU-GPU transfer speeds and higher thermal throttling.

Increased constant memory size requirements and cache misses.

QUESTION 3

Why is 'Constant Memory' utilized for atom data in the DCS kernel?

Because it is faster than registers for local storage.

Because all threads in a warp access the same atom data at the same time, benefiting from a broadcast.

Because it allows for atomic write operations.

Because it bypasses the L1 cache entirely.

QUESTION 4

In the context of VMD, what does a red area on an electrostatic map typically represent?

A region of high positive potential.

A region of high negative potential.

A hydrophobic lipid boundary.

An area where the GPU has failed to calculate data.

QUESTION 5

Which CUDA function is prioritized for distance-based potential calculations in DCS?

sqrtf()

rsqrtf()

powf(x, -0.5)

fast_div()