对于这么小的模拟，我强烈建议研究基于 GPU 的解决方案。这可能是您获得最多 ns/day/Euro 的原因。

在我看来，目前最快的全功能基于 GPU 的分子动力学 (MD) 软件是ACEMD（请参阅此处了解时间）。然而，该软件是商业软件，但有一个可用于评估目的的单 GPU 免费版本。

其他功能齐全但开源的支持 GPU 的 MD 包包括NAMD和GROMACS 4.6。其他项目包括FenZi，但他们似乎没有提供他们的代码。

在由 23558 个原子组成的联合 Amber-Charmm (JAC) 基准测试中，截止时间相对较短，为 0.9nm，所有这些代码在商品 GPU 上每天将获得少量 ns。仍然需要几天的计算才能获得 1ms，但考虑到它只是一台机器，这还不错。

即使您有很多钱可用于计算资源，但正如 Pedro 所指出的，更大的问题是您的问题相对较小。大约有 100,000 个原子，您在 CPU 上的“最佳位置”可能是大约 100 个内核。如果您尝试使用更多，您最终将花费大量时间在处理器之间进行信息通信，这可能会更加昂贵。您可以尝试购买多线程处理器，但它们可能没有那么大的帮助。

但是，相对而言，您处于 GPU 计算的最佳位置。因此，您最好的选择是使用像HOOMD这样的包，或者利用共享内存机器，使用LAMMPS或NAMD等代码中的多线程包选项来避免一些内部消息传递。

对于 O(100k) 原子的全原子、显式溶剂、生物分子系统，您现在应该使用 GPU 加速代码。即使不确切知道您的模拟设置，ACEMD、AMBER、Gromacs、NAMD 很可能都足以满足您的需求。

通常，这些代码不会超出您的模拟规模的单个系统（除非使用 Infiniband 之类的网络）或什至几个 GPU，并且强烈支持 GPU 性能而不是 CPU，因此请专注于具有多个高性能 GPU 和良好性能的机器配置PCIe 连接。规划 1-2 个核心/GPU。对于某些代码，不需要多 CPU 系统，因为计算是在 GPU 上完成的（请注意，GROMACS 将有效地使用 CPU 和 GPU，因此它们的质量应该平衡），也不需要使用高性能互连，例如作为 Infiniband。

所有代码都使用 CUDA，因此 Nvidia GPU 是可行的方法。Geforce 卡完全够用（例如 4GB Geforce GTX680），并且比 Teslas 更经济。

我们销售针对 ACEMD 和其他 MD 代码Acellera Metrocubo优化的工作站。或者，注册NVidia GPU 测试驱动器以与其他合适的硬件经销商取得联系。

关于氢质量再分配的批评，其理论和技术基础首先描述于：

提高富氢系统的大时间尺度分子动力学模拟的效率Feenstra 等人。JCC 1999

doi://10.1002/(SICI)1096-987X(199906)20:8<786::AID-JCC5>3.0.CO;2-B

这是一种广泛使用的方法，不仅在 ACEMD 中实现，而且在 Gromacs 以及最近的 Anton 中实现：

泛素折叠的原子级描述，Piana 等人，PNAS (2013)

doi://10.1073/pnas.1218321110

确定性代码不一定是可逆的，因此它实际上不应该在统计抽样方面增加任何好处，它会产生相同的错误但始终如一。一致性对于调试很有用。所有的代码都是数字积分的，所以它们迟早都会从恒定能量中漂移。即使在 NVT 中采样并且人们使用的所有代码实际上使用混合或固定精度（NAMD、LAMMPS、ACEMD、AMBER、GROMACS、DESMOND、ANTON）进行采样时，保持足够接近能量表面也很重要。

单个 gtx680 将产生大约 160 ns/天。单个 gtx Titan 220 ns/天。因此，使用免费版本的acemd，您可以在 4 天内获得 1 微秒。