English version: Can PIM Accelerate Molecular Dynamics?

TL;DR

本文回答一个问题：PIM 能否在单 GPU 全原子 MD 的主 timestep loop 上带来显著加速？

简短回答：不能。现代单 GPU MD 引擎（GROMACS / NAMD / AMBER）已经把主导 kernel 压榨得很彻底，单 GPU 场景下真正 memory-bound、留给 PIM 的空间大概只占总运行时间的 10–25%。按 Amdahl 算一下，即使这部分拿到 10× 加速，整体也就 1.1–1.3×——不是一个量级。

但跳出 timestep loop，trajectory analysis、neighbour-list preprocessing、ensemble workflow 这些数据移动远多于计算的环节，对 PIM / in-storage processing 友好得多。这才是 PIM × MD 真正值得研究的方向。

几个术语

MD / 力场 / 仿真层面

Docking：快速预测小分子如何放入蛋白质结合口袋的方法，通常比 MD 更静态、更近似。
Trajectory：MD 输出的原子运动轨迹，即一系列随时间变化的分子结构。
Neighbour list（邻居列表）：MD engine 维护的数据结构，对每个原子记录 cutoff 距离内的所有”邻居”原子，让短程力计算从朴素的 $O(N^2)$ pair sum 降到 $O(N)$ （每原子只看 ~100 个邻居）。常见实现包括 Verlet list 和 cell list。访存模式不规则——是 §3.2 表 2 中”不规则内存访问 kernel”的物理来源。详细机制见 §2.2。
PME (Particle Mesh Ewald)：在周期体系下计算长程 Coulomb 求和的标准方法，本质是 Coulomb 的实现方式，涉及网格 + 3D FFT。
Timestep loop：MD 的主循环，每一步都计算力并更新原子位置。
构象 (conformation) / 构象重排 (conformational change)：分子不断化学键、只通过单键旋转能形成的不同 3D 形状叫构象。“构象重排”特指蛋白结合药物后整体或局部 3D 形状随之变化——是 MD 能看到、docking 看不到的关键现象（induced fit、cryptic pocket、allosteric effect 都属于此类）。
AIMD (Ab Initio MD) / QM/MM：用量子力学方法算力的 MD 变体。AIMD 全用 QM；QM/MM 把感兴趣的小区域（如反应中心）用 QM、其它用经典力场。算力比经典 MD 高几个量级。

药物发现流程

Hit discovery / hit-to-lead：drug discovery 流程的两个阶段。Hit discovery 是初筛拿到的有活性候选（几百到几千个）；hit-to-lead 是把 hit 进一步优化、验证、收敛成 lead compound（几个）的阶段。
FEP (Free Energy Perturbation) / MM-PBSA：两种基于 MD 的精算结合自由能的方法。FEP 走 alchemical 路径，最准但每个分子几个 GPU·day；MM-PBSA 用端点构象 + 隐式溶剂，便宜但精度低一档。
RMSD / RMSF：trajectory 分析里两个最常用的指标。RMSD (Root Mean Square Deviation) 衡量结构相对参考结构的整体偏离；RMSF (Root Mean Square Fluctuation) 衡量每个原子在时间上的波动幅度。

硬件 / 性能层面

PIM (Processing-in-Memory)：把计算单元放在靠近存储单元或嵌入存储单元的位置，目的是减少数据搬运开销。适合算术强度低、访存密集的 workload。
Memory-bound / compute-bound：性能瓶颈在数据移动（带宽、延迟）还是算术运算上。PIM 主要对前者有效。
HBM (High Bandwidth Memory)：GPU 上的高带宽显存，TB/s 量级，是现代 MD 引擎”虽然有大量内存流量但仍跑得快”的硬件基础。
Strong scaling：固定问题规模、加更多算力时性能能 scale 多好。MD 单 trajectory 的 strong scaling 被 timestep 依赖卡住——瓶颈是同步而不是算力。

1. 分子动力学是做什么的？

分子动力学（Molecular Dynamics, MD） 是按牛顿力学一帧一帧推演原子运动的计算方法。简单说，MD 回答的是：

给定当前所有原子的位置，下一小段时间之后它们会如何移动？

在药物设计的工作流里，MD 扮演的是”分子电影摄影师”的角色。 前面的虚拟筛选 (Virtual Screening, VS) ——常用手段是 docking、similarity search（按分子指纹相似度筛）、机器学习 ML scoring / docking 等——从十亿级化合物库里筛出几百几千个有希望的 hit。但 VS 给的只是一张静态合影：“小分子大概能塞进蛋白口袋”。

真实环境里，蛋白会呼吸、水分子会来回钻、侧链会摆动。所以 hit 拿到手之后还得让 MD 接手：按牛顿力学一帧一帧地推演几十到几百纳秒，看这个分子在水里到底稳不稳——关键氢键会不会断、口袋里的水怎么排列、蛋白会不会因为药物结合发生构象重排（见术语表）。如果”电影”看完分子没有从口袋里跑掉，下一步才是更贵的计算。

MD 不只在 drug discovery 里有用——蛋白质折叠、膜蛋白模拟、酶动力学、材料科学、生物分子机制研究都靠它。这些场景共享同一套底层引擎和算力结构，所以加速 MD 等于加速一整片下游 workflow。

2. MD 在算什么？

经典 MD 基于牛顿力学。对每个原子 $i$ ：

F_i = m_i a_i = -\nabla_{r_i} U(\mathbf{r}) \tag{1}

其中 $U(\mathbf{r})$ 是系统总势能，作为所有原子坐标 $\mathbf{r}$ 的函数。MD 的核心循环就是：算每个原子受到的力、更新位置和速度、推进到下一个 timestep、重复。

一个简化的 MD 循环：

初始原子结构 → 分配力场参数 → 进入 timestep loop:
    构建/更新邻居列表
    计算成键力 (bonded)
    计算短程非成键力 (LJ + 短程 Coulomb)
    计算长程静电 (PME)
    应用约束
    更新位置和速度
    偶尔写 trajectory
→ 输出 trajectory

整个循环的算力开销几乎全部花在力计算——也就是 $U(\mathbf{r})$ 的具体形式上。这个 $U(\mathbf{r})$ 叫做力场（force field），是 MD 的灵魂。

2.1 力场的总体结构

力场把系统总势能拆成两大类：

U(\mathbf{r}) = U_{\text{Non-Bonded}}(\mathbf{r}) + U_{\text{Bonded}}(\mathbf{r}) \tag{2}

非成键作用 $U_{\text{Non-Bonded}}$ ：通过空间靠近就能感受到的相互作用——静电、范德华
成键作用 $U_{\text{Bonded}}$ ：通过共价键连接的原子之间的几何形变——键长、键角、二面角

这两类的算力特征截然不同，是后面分析瓶颈的关键，所以下面分别展开。

2.2 非成键作用：MD 的主要计算开销

非成键作用通常由静电（Coulomb）和范德华（Lennard-Jones）两部分组成：

U_{\text{Non-Bonded}}(\mathbf{r}) = \underbrace{\sum_{ij} \frac{q_i q_j}{4\pi\epsilon_0 r_{ij}}}_{\text{Coulomb}} + \underbrace{\sum_{ij} 4\epsilon_{ij}\left[\left(\frac{\sigma_{ij}}{r_{ij}}\right)^{12} - \left(\frac{\sigma_{ij}}{r_{ij}}\right)^{6}\right]}_{\text{Lennard-Jones}} \tag{3}

Coulomb 项：取决于原子对距离 $r_{ij}$ 、真空介电常数 $\epsilon_0$ 、partial charges $q_i$ 、 $q_j$
LJ 项： $1/r^6$ 描述长程吸引（dispersion / van der Waals）， $1/r^{12}$ 描述短程电子云重叠造成的排斥

为什么非成键贵？因为原子对数量随系统大小膨胀。一个 100 万原子系统的 pair sum 是 $\approx 5 \times 10^{11}$ 对相互作用——而 MD 一个 microsecond 仿真要跑 $5 \times 10^8$ 个 timestep，每步都要重算。所以大部分现代 MD engine 都不会做 $O(N^2)$ pair sum，而是用邻居列表 + cutoff 把短程部分降到 $O(N)$ 、用 PME 把长程部分降到 $O(N \log N)$ 。

关于邻居列表 (Neighbour List)：邻居列表是 MD engine 用来避免 $O(N^2)$ 的关键数据结构——对每个原子 $i$ 预先记录”哪些原子 $j$ 在 cutoff 距离内”，每步力计算只遍历这些对就够了。

主流实现两种：Verlet list（Verlet 1967）直接维护每原子的邻居索引数组，最直观但朴素构建是 $O(N^2)$ ；Cell list 把 simulation box 切成边长 $\approx$ cutoff 的三维网格，每个原子归到一个 cell 里，查邻居只看所在 cell + 26 个相邻 cell，构建是 $O(N)$ 。现代 MD engine（GROMACS、NAMD）通常用 cell list 加速 Verlet list 构建。

关于 PME / Ewald：Coulomb 求和在周期性体系下 conditionally convergent，直接按 $1/r$ 加和不仅复杂度是 $O(N^2)$ ，物理上还是错的，因为求和结果取决于求和顺序。实践中用 Ewald 求和 把它分离出：（1）短程实空间部分（cutoff 内做 pair sum）；（2）长程倒空间部分（Fourier 空间求和），整体 $O(N^{3/2})$ 。 PME (Particle Mesh Ewald) 进一步用 3D FFT + 网格插值近似倒空间那段，把复杂度降到 $O(N \log N)$ ，是 GROMACS / NAMD / AMBER（主流 MD 仿真工具）的默认实现。所以 PME 不是一种独立的相互作用，而是 Coulomb 求和的标准计算方法。

在 PME / Ewald 视角下，公式 (3) 中的 Coulomb 求和在实际实现中被进一步展开为实空间 + 倒空间两部分：

\begin{aligned} U_{\text{Non-Bonded}}(\mathbf{r}) = \; & \underbrace{\sum_{ij} \frac{q_i q_j \, \text{erfc}(\alpha r_{ij})}{4\pi\epsilon_0 r_{ij}}}_{\text{Coulomb, real-space}} + \underbrace{\frac{1}{2V\epsilon_0} \sum_{\mathbf{k} \neq 0} \frac{e^{-k^2/4\alpha^2}}{k^2} |S(\mathbf{k})|^2}_{\text{Coulomb, reciprocal-space (PME)}} \\ & + \underbrace{\sum_{ij} 4\epsilon_{ij}\left[\left(\frac{\sigma_{ij}}{r_{ij}}\right)^{12} - \left(\frac{\sigma_{ij}}{r_{ij}}\right)^{6}\right]}_{\text{Lennard-Jones}} \end{aligned} \tag{4}

2.3 成键作用：函数复杂但项数线性

成键作用描述通过共价键连接的原子之间的几何形变，通常包含 4 类：bond stretching、angle bending、(proper) dihedral、improper dihedral：

U_{\text{Bonded}}(\mathbf{r}) = U_{\text{bond}} + U_{\text{angle}} + U_{\text{dihedral}} + U_{\text{improper}} \tag{5}

展开形式：

\begin{aligned} U_{\text{Bonded}}(\mathbf{r}) =\; & \underbrace{\frac{1}{2}\sum_{ij} k_r (r_{ij} - r_0)^2}_{\text{bonds}} + \underbrace{\frac{1}{2}\sum_{ijk} k_\theta (\theta_{ijk} - \theta_0)^2}_{\text{angles}} \\ & + \underbrace{\sum_{ijkl}\sum_{n=1}^{N} k_{\phi,n}\left[1 + \cos(n\phi_{ijkl} - \delta_n)\right]}_{\text{dihedrals}} + \underbrace{\sum_{ijkl} k_\omega (\omega_{ijkl} - \omega_0)^2}_{\text{improper dihedrals}} \end{aligned} \tag{6}

成键项的关键特征：项数随原子数线性增长。每个原子周围的 bond / angle / dihedral 数量由分子拓扑决定，是常数，所以总项数 $O(N)$ ，整体开销不大。

2.4 力场各项的计算特征

表 1. 力场各项的函数形式、复杂度与计算开销。 Bonded 项数随原子数线性增长，整体开销低；Non-bonded 才是 MD 力计算的大头，其中长程 Coulomb 由 PME 用 grid + FFT 实现，访存特征与短程项截然不同。

项	类别	函数形式	复杂度	计算开销
Bonds	Bonded	harmonic	$O(N)$	低
Angle bending	Bonded	harmonic	$O(N)$	低
Dihedral rotation	Bonded	cosine series	$O(N)$	中
Improper dihedral	Bonded	harmonic	$O(N)$	低
Lennard-Jones (VdW)	Non-bonded	12-6, pair sum (cutoff)	$O(N)$ 配邻居列表 (如果计算所有 pair，复杂度为 $O(N^2)$ )	高
Coulomb — real-space part	Non-bonded	$\text{erfc}(\alpha r)/r$ , pair sum (cutoff)	$O(N)$ 配邻居列表	很高
Coulomb — reciprocal part (PME)	Non-bonded	charge spread → 3D FFT → scatter/gather	$O(N \log N)$	高

§2 小结：力场的算力开销集中在非成键作用——尤其是 LJ 和 Coulomb 这两个对所有原子对求和的项。成键项虽然函数形式更复杂，但项数线性。这种不均衡正是下一节要分析的 kernel-level 瓶颈来源。

3. MD 的算力结构：时间花在哪里？

知道了力场怎么算，下一个问题是：一次 MD 仿真的时间到底花在哪里？ 这决定了 PIM 这种 memory-side 加速器有没有引入的价值。

3.1 为什么 MD 整体很贵？

正如我们之前所说，MD 仿真是像电影机一样逐帧计算的。正因为这个特性，MD 计算的开销不在于每一帧有多复杂，而是在于以下两个原因：

1. 计算次数巨大。典型全原子 MD 的 timestep 是 1–2 fs。以 2 fs 为例，1 ns 就需要 500,000 步，1 µs 需要 500,000,000 步。一个百万原子系统、microsecond 级仿真，每步约 $5 \times 10^7$ 对短程相互作用（按每原子 100 邻居算），累计就是 $2.5 \times 10^{16}$ 次 pair interaction——单步不复杂，但量积下来就贵。

2. Timestep 之间强依赖，并行加速困难。MD 是时间推进型（transient）仿真。每个 timestep 内部的力计算可以大规模并行，但 timestep 之间存在严格依赖，下一步必须等当前步的位置和速度更新完才能开始。这就决定了单条仿真的 scaling 会被 timestep 依赖、同步和通信开销卡住，投更多 GPU 进去回报递减。英伟达的一项测试表明，即使使用了 NVIDIA 的通信优化库，GPU Node 超过 8 个之后收益急剧下降，甚至造成了性能下跌 [4]。

3.2 单步 MD 的 kernel-level 拆解

§2 的表 1 讨论了 $U(\mathbf{r})$ 由哪些数学项组成。但 MD engine 在 GPU 上执行时并不是按表 1 的项一个个调函数，而是把这些项重新组织成更适合并行的 kernel，再加上力累加、积分、I/O 这些 timestep 必做的辅助操作（house-keeping）。表 2 提供了一个执行视角，也就是从”力场数学”到”GPU kernel”的映射。

表 2. 单步 MD timestep 的 kernel-level 拆解，以及与表 1 的对应关系。 表 1 的 7 个力场项被映射到 5 类 force-computing kernel（成键合并、短程非成键共享邻居列表、PME 拆成 spread + FFT），加上 3 类 house-keeping kernel（力累加、积分、I/O）。

Kernel	对应表 1 项	作用	主导瓶颈
1. 成键作用力	Bonded 4 项（bond / angle / dihedral / improper）	计算分子内几何形变能	算力轻、规整
2. 短程非成键作用力	LJ + Coulomb real-space	计算 cutoff 内 pair 相互作用	计算密集，对内存敏感
3. 邻居列表构建	服务于短程非成键（kernel 2）	构建空间配对列表	内存/数据结构密集
4. 邻居列表遍历	服务于短程非成键（kernel 2）	找到附近原子对	不规则内存访问
5. PME 电荷分配/插值	Coulomb reciprocal	粒子 ↔ 网格映射	scatter/gather 内存流量
6. PME FFT	Coulomb reciprocal	Fourier 空间求和	内存移动和通信
7. 力累加	（跨所有 force 项）	汇总各 kernel 的力贡献	写入/reduction 开销
8. 积分	（不属于 $U$ ，对应式 1）	用 $F$ 更新位置和速度	流式内存访问
9. 轨迹输出	（I/O，与 $U$ 无关）	保存模拟帧到磁盘	存储/I/O 密集

表 2 的核心观察是：MD 的 kernel 是异构的——既有计算密集（短程非成键、成键），又有内存密集（邻居列表、PME spread），还有通信/IO 密集（PME FFT、轨迹输出）。这种异构性意味着：单一类型的加速器（包括 PIM）不可能对所有 kernel 都同样有效——它最多只能优化其中一部分。

为了让表 2 的 9 个 kernel 更直观，下面这个交互动画把单步 timestep 内每个 kernel 的访存与计算特征逐一演示出来——左下角的 detail panel 会显示当前 kernel 在算什么、涉及多少 pair / cell / atom。

3.3 存储需求：容量不是瓶颈

一个常见误解是 MD 内存占用很大，实际上内存容量并非性能瓶颈。以马克斯·普朗克研究所提供的一个 benchmark 为例 [5]，对于一个大型仿真（12M 原子），原始原子状态占用的文件大小在 ~300 MB 左右，实际模拟内存约数个 GB。这个数量完全可以装入现代 GPU 显存——比如常见的 RTX 4090 显卡显存为 24 GB，计算中心常用的 A100 更是高达 80 GB。所以容量不是核心瓶颈。

但现代 GPU MD 引擎已经用 GPU-resident execution（让 timestep loop 留在 GPU 上、避免 CPU↔GPU 来回搬数据）、kernel 优化、通信/计算重叠等手段把数据移动开销压得很低 [2]——大量内存流量被高带宽 HBM + 优化的 kernel 吃掉，内存访问不一定是全局主导瓶颈。

§3 小结：MD 时间几乎全花在 timestep loop 内的若干异构 kernel 上。非成键计算是大头但已经被深度优化（compute-bound），剩下的 memory-bound 工作只占一部分。下一节回答：PIM 在 MD 上的实际优化空间到底有多大？

4. PIM 适合 MD 吗

4.1 PIM 喜欢的目标

PIM 适合的 workload 通常具备：低算术强度、大量内存流量、较差缓存局部性、显著运行时占比。

从表 2 看，MD 在每个 timestep 反复读写坐标、力、邻居列表和 PME 网格。这些数据在数百万个 timestep 中循环访问，访存频率高、locality 不规则——和 PIM 喜欢的 pattern 看起来很匹配。

问题在于：PIM 提议加速 MD 时，对比的 baseline 是什么？ 现代 MD 几乎全跑在 GPU 上——GROMACS、NAMD、AMBER、OpenMM、Desmond 这些主流引擎都对主导 kernel 做了深度 GPU 优化。以 GROMACS 为例，官方文档指出 non-bonded pair kernels 占总 runtime 的 60–90% [1]，且已是高度优化的 compute-bound kernel。

所以正确的问题不是 “PIM 能不能比 CPU 跑得快”，而是：

PIM 能不能在已经被深度优化的单 GPU baseline 之上继续加速？

从 §3 我们已经看到：MD 最贵的部分（非成键计算）已经是 compute-bound 而不是 memory-bound 了，PIM 在这里没有结构性优势。

§4 小结：MD 表面上有 PIM-friendly 的访存特征，但单 GPU 上的主导瓶颈是计算而不是数据移动。PIM 的潜在收益局限在剩下的 memory-bound 部分。下一节用 Amdahl 量化这个上限。

5. 定量分析：Amdahl 给出的上限

5.1 单 GPU 上 MD 运行时间的组成

把表 2 的 kernel 按运行时间占比汇总：

表 3. 单 GPU 上 MD 运行时间的组成与 PIM 适配性评估。 Memory-bound 部分（PME 的访存部分 + 邻居列表）总共约占 10–25% 运行时间，是 PIM 在 timestep loop 内的潜在优化空间；其余部分要么已经 compute-bound、要么不在 critical path 上。

组成部分	运行时间占比	是否适合 PIM	说明
优化后的非成键作用力计算	60–90%	不合适	GPU 高度优化：数百万个 pair 同时并行计算，典型的 compute bound
PME	10–20%	部分适合	FFT、grid mapping、通信影响较大
邻居列表构建/遍历	5–15%	适合	不规则内存访问，但不一定每步执行
积分/约束	5–10%	有限	GPU-resident 模式下也可 offload
I/O 和其他	1–10%	有时适合	不在 MD 仿真的 critical path 上

具体比例仍然依赖 MD engine、force field、PME 设置、GPU 型号、系统大小和 simulation parameters；对目标系统的严格结论需要用 Nsight / GROMACS timing breakdown profile 确认 [3]。

真正适合 PIM 的部分大概占总运行时间的 10–25%——主要是 PME 的 scatter/gather + 邻居列表的不规则访问。

5.2 Amdahl’s Law：PIM 的天花板

套用 Amdahl’s Law（式 7）量化这个 10–25% 能带来多少整体加速：

S_{total}=\frac{1}{(1-f)+\frac{f}{S_{acc}}} \tag{7}

其中 $S_{total}$ 是总加速倍数， $f$ 是可加速部分的比例， $S_{acc}$ 是可加速部分的加速倍数。

乐观估计：取 $f=0.25$ （25% 适合 PIM），假设 PIM 对 memory-bound 部分做到 10× 加速，且不考虑其他 overhead：

S_{total}=\frac{1}{0.75+0.25/10}=1/0.775\approx 1.29

整体加速也不过 1.29×。

理论上限：即便这 25% 被无限加速：

S_{max}=\frac{1}{1-0.25}=1.33

整体上限也就 1.33×。

5.3 结论

这个 1.29× / 1.33× 数字传达了一个明确信号：对单 GPU MD 的原始吞吐量来说，PIM 大概率拿不到一个量级的提升。它能改善若干 memory-bound kernel，但无法撼动 compute-bound 的非成键计算这个大头。

6. PIM 的机会：跳出 timestep loop

如果 timestep loop 内部没空间，机会大概率在 loop 之外。MD 仿真的完整 lifecycle 不止 timestep loop——还包括前后的数据密集型环节，这些是 PIM × MD 可能优化的环节。

6.1 Trajectory analysis：data-centric workload

仿真完成后产出 trajectory（轨迹）文件——这是 PIM 或 in-storage processing (ISP) 真正能发力的地方。

数据量大：长时间 MD 不会每步都存轨迹，但会按固定间隔输出 trajectory frame。百万原子系统跑长时间尺度仿真，轨迹文件累积到几百 GB 甚至 TB 级是常态。
访问模式 scan-heavy：后续的 RMSD/RMSF 分析、contact map（原子对接触频率矩阵）、氢键统计、距离查询、binding pose stability filtering（筛掉短时间 MD 就跑飞的不稳定结合姿态）这些分析任务，需要反复扫描整条 trajectory。
计算简单：每帧上的计算（距离、角度、原子对统计）算术强度极低。

这种”大量数据 × 简单计算 × 反复扫描”的组合，对 PIM 或 in-storage processing 来说远比原始 MD timestep loop 友好。

§6 小结：PIM × MD 的研究方向可以从”加速 timestep loop”转向”加速 MD 周边的数据密集型工作流”。

7. Limitations 与适用范围

本文的结论严格依赖几个假设，在以下范围之外不一定成立：

单 GPU 全原子 MD：本文假设标准全原子 force field (AMBER / CHARMM / OPLS family) + PME，在单 GPU 上跑。粗粒度模型（coarse-grained，大幅减少自由度，比如 MARTINI） 的算力结构完全不同，PME 也不一定存在。
多 GPU / 集群 strong scaling：多 GPU 上同步通信、domain decomposition（把 simulation box 划成子区域分给不同 GPU）是新的瓶颈点。
不包含专用硬件：D. E. Shaw 的 Anton 系列（为 MD 专门设计的 ASIC + 低延迟互联，单芯片就把 timestep loop 跑到极致）、Google 的 TPU-MD 这类专用架构走的是另一条 path（SIMD）。
不包含 ab initio MD / QM/MM（AIMD）：本文只讨论经典 MD（也就是本文 §2 中主要提到的方法）。AIMD 和 QM/MM 的瓶颈在 SCF iteration（求解电子结构的 self-consistent field 迭代，需要反复对角化大矩阵）/ electron density 计算上，是另一个完全不同的问题。
Runtime 占比是估计值：§5.1 的占比来自一般经验（GROMACS docs + 多 paper 报告），对具体目标系统应该用 profiler 实测，不要直接套用。

References

[1] gmx nonbonded-benchmark - GROMACS documentation

[2] Performance improvements - GROMACS 2026.2 documentation

[3] Getting good performance from mdrun - GROMACS documentation

[4] Massively Improved Multi-node NVIDIA GPU Scalability with GROMACS

[5] A free GROMACS benchmark set — Max Planck Institute for Multidisciplinary Sciences