清晨好,您是今天最早来到科研通的研友!由于当前在线用户较少,发布求助请尽量完整地填写文献信息,科研通机器人24小时在线,伴您科研之路漫漫前行!

NVNMD-v2: Scalable and Accurate Deep Learning Molecular Dynamics Model Based on Non-Von Neumann Architectures

可扩展性 计算机科学 深度学习 动力学(音乐) 冯·诺依曼建筑 分子动力学 人工智能 计算科学 数据科学 计算机体系结构 化学 物理 计算化学 数据库 声学 操作系统
作者
Xiaoyun Yu,Guang Yang,Zhuoying Zhao,Junhua Li,Xinyu Xiao,Xin Zhang,Jie Liu,Pinghui Mo
出处
期刊:Journal of Chemical Theory and Computation [American Chemical Society]
卷期号:21 (18): 8918-8932 被引量:1
标识
DOI:10.1021/acs.jctc.5c01050
摘要

Molecular dynamics (MD) simulations have emerged as a transformative computational microscope for probing atomic interactions spanning catalysis, energy storage, biotechnology, and beyond. However, existing machine-learning MD (MLMD) frameworks face a trilemma in balancing accuracy, scalability, and energy efficiency, particularly in compositionally complex systems like high-entropy alloys and multiferroic perovskites. Here, we introduce NVNMD-v2, a co-designed algorithm-hardware architecture that integrates a generalized deep neural-network potential (GDNNP) within a processing-in-memory (PIM) accelerator. Building on the foundation of NVNMD-v1, which was limited to four-element systems, NVNMD-v2 employs optimized type-embedding descriptors to support multielement systems with up to 32 species, eliminating species-dependent parameter scaling. Deployed on a single FPGA, NVNMD-v2 maintains DFT-level accuracy while achieving a flat per-atom computational cost (∼10 –7 s/step/atom), enabling simulations of system up to 20 million atoms─a 10 3 × scale-up over DeePMD on an NVIDIA V100 GPU, with ∼120 × energy reduction. These advances unlock quantum-accurate MD for multielement materials, from semiconductor heterostructures to biomolecular assemblies, bridging the gap between atomic fidelity and industrial-scale simulations.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
超帅的凡蕾完成签到,获得积分10
8秒前
molihuakai的应助被科研通管家采纳,获得10
13秒前
17秒前
包容大地完成签到,获得积分10
18秒前
煲汤的螃蟹完成签到 ,获得积分10
20秒前
飘逸盛男完成签到,获得积分10
42秒前
跳跃的正豪完成签到,获得积分10
51秒前
追寻孤萍完成签到,获得积分10
51秒前
leoo完成签到,获得积分10
54秒前
诚心荟完成签到,获得积分10
1分钟前
无限幻枫完成签到,获得积分10
1分钟前
xun驳回了zx586440的应助
1分钟前
伶俐的秀发完成签到,获得积分10
1分钟前
1分钟前
正直冰淇淋完成签到,获得积分10
1分钟前
俊秀的箴完成签到,获得积分10
1分钟前
沉默怡完成签到,获得积分10
1分钟前
如歌完成签到,获得积分10
1分钟前
1分钟前
大胆醉卉完成签到,获得积分10
1分钟前
1分钟前
2分钟前
2分钟前
乐乐的应助被科研通管家采纳,获得10
2分钟前
小蘑菇的应助被科研通管家采纳,获得10
2分钟前
鲜艳的雪曼完成签到,获得积分10
2分钟前
坚强的钻石完成签到,获得积分10
2分钟前
踏实的元蝶完成签到,获得积分10
2分钟前
高兴之柔完成签到,获得积分10
2分钟前
画龙点睛完成签到 ,获得积分10
2分钟前
英俊的傲珊完成签到,获得积分10
2分钟前
2分钟前
iman完成签到,获得积分10
2分钟前
rljsrljs完成签到 ,获得积分10
3分钟前
3分钟前
迷你的蜜粉完成签到,获得积分10
3分钟前
智者雨人完成签到 ,获得积分10
3分钟前
发嗲的服饰完成签到,获得积分10
3分钟前
震动的秋凌完成签到,获得积分10
3分钟前
完美飞凤完成签到,获得积分10
3分钟前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
拉伸高分子熔体中缠结行为的模拟和小角中子散射研究 1500
The World Atlas of Wine 9th edition 1000
奈特基础组织学:配套组织病理学(第4版)(Netter's Essential Histology With Correlated Histopathology) 800
John McDowells Bildungstheorie 800
八旗制度の研究 600
Analyses de reconnaissances de dettes passées devant les échevins d'Ypres (1249-1291) 600
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8158935
求助须知:如何正确求助?哪些是违规求助? 9554526
关于积分的说明 21719385
捐赠科研通 7748467
什么是DOI,文献DOI怎么找? 3427107
关于科研通互助平台的介绍 2552013
邀请新用户注册赠送积分活动 2471370