你的问题有很多未知数，所以我会尽量让这个答案尽可能广泛。

听上去，您正在考虑编写自己的 MD 代码。写一个MD 代码很容易，但是写一个好的，即高效和正确的，MD 代码是非常非常困难的，更不用说费时了。除非您正在研究一些现有 MD 代码/库无法处理的物理或几何特殊情况，或者您是一名计算机科学家，正在寻找一些新的算法挑战，否则我建议您首先尝试使用现有的软件包。

如果您的 MD 要求相对标准，即没有特殊的潜在功能或交互，那么我强烈建议使用最流行的开源软件包之一，例如NAMD或GROMACS。

如果您有任何特殊要求，可以查看 MD 库，例如MMTK（Python 中）、OpenMM（C 中）或mdcore（C 中，注意这是我自己的代码）。这些允许您完成 MD 模拟的大部分具体细节，还允许您直接访问和操作粒子数据。

除了 MMTK，所有这些代码/库都可以使用 GPU。如果您希望高效地运行长时间的模拟，那么 GPU 绝对是您的理想之选，尤其是就其 bang/buck 比而言。GPU 也可用于运行相对较大的模拟，因为目前大多数模型都具有数 GB 的板载内存。我们经常使用 NAMD 的STMV 设置作为基准，它包含超过一百万个粒子。此外，如果您有一台具有多个 GPU 的机器，您可以并行运行多个模拟，每个 GPU 上一个。

总之，我不建议您编写自己的代码，除非那是您研究的最终目标。根据您的需要，坚持使用现有的包和/或库，并记住 GPU 目前是 MD 模拟最有效的主力。

以下是您可以根据自己的需求评估的三种架构。考虑它们可能会帮助您更具体地制定您的需求。如果您像 Pedro 建议的那样，将您的工作基于现有软件包（我认为您应该）与该软件包的兼容性将有助于缩小替代方案的范围。

1. 您可以考虑英特尔至强融核系列的产品，您可以将其插入 PC 机柜，价格约为 2700 美元。
2. 使用基于 GPU 的程序
3. 最初在云中的虚拟机上运行。易于扩展并了解您实际需要多少并行度。（某些软件包的许可不会顺利进行）

在最简单的情况下，您可以使用具有 2 个或更多内核的计算机来模拟 HPC 环境。您可以在这样的环境中运行 OpenMP 和/或 MPI。

通常，如果您在 HPC 上进行大型计算，您可能会使用多个计算节点。这意味着有两台“计算机”通过网络进行通信。与单个多线程计算节点相比，这施加了一些限制：

• OpenMP 不再足以进行并行化，至少就其本身而言是这样。MPI 成为事实上的标准
• 网络速度成为计算的巨大瓶颈

现在这并不意味着如果您只有一台 2 核 PC，就不能运行 HPC 代码。你可以。最简单的方法是使用 MPI 来并行化您的代码，而不是 OpenMP 或 pthread 等。但是，如果您可以访问两台或多台多核 PC，并且它们之间具有快速网络（至少千兆位），那么这将使您更好地了解可能发生的事情。

使用 MPI 进行多核处理就这么多。另一件要考虑的事情是 GPGPU。现在的集群通常为您提供 GPU，您可以将其用于线性代数，使用诸如 python 中的 gnumpy 之类的库或类似的库。如果您希望能够使用 GPGPU 进行试验，您可能想要：

• 获得一台带有可以运行 CUDA 代码的 GPU 的计算机，即 nVidia GPU
• 获得一台可以运行 OpenCL 的计算机。事实上，自去年以来，英特尔处理器（从 Ivy 桥开始）就包含了一个兼容 OpenCL 的 GPU。AMD 处理器还包含兼容 OpenCL 的 GPU。

所以，总结一下：

• 最简单的 MPI 实验系统是双核 CPU
• 要进行更实际的实验，您需要两台联网的多核 PC
• 您也可以考虑获取符合 CUDA 或 OpenCL 的 GPU，或者确保您的 CPU 包含符合 OpenCL 的 GPU。