教育科研领域依托高性能计算集群加速高能物理、天文探索、地球物理、量子化学、分子动力学等前沿研究，通过数学建模与计算机仿真突破传统实验的成本与环境限制，实现理论科学的快速迭代验证。当前，AI技术深度赋能科研范式变革——驱动模型优化与设计、数据智能分析，实现高效处理复杂模拟与海量数据计算。鲲鹏高性能计算解决方案以高性能、易用为基石，融合多样性算力，全面支撑教育科研科学计算发展与AI for Science创新实践。
应用背景
研究分子的运行一般有Molecular Dynamics（简称MD）、Monte Carlo（简称MC）两种方式；MC方法即蒙特卡罗方法，通过统计规律，人为构造一个合适的概率模型，用于模拟粒子的运动。MD即分子动力学，该方法主要是依靠牛顿力学来模拟分子体系的运动，以在由分子体系的不同状态构成的系统中抽取样本，从而计算体系的构型积分，并以构型积分的结果为基础进一步计算体系的热力学量和其他宏观性质；MD方法开源的软件主要有Lammps、Gromacs等。
Lammps是由美国桑迪亚国家实验室（Sandia）开发的一套分子动力学模拟的开源程序包。 Lammps可以支持包括气态，液态或者固态相形态下、各种系综下、百万级的原子分子体系，并提供支持多种势函数。
使用软件
应用软件：Lammps
基础软件：openEuler、HPCkit（毕昇编译器、Hyper MPI、KML等）
测试算例：in.lj
成果
相同计算节点数，Lammps应用在鲲鹏平台性能对比国际主流x86提升40%+，主要优化措施如下：
- 采用自研3D FFT分解算法，1D FFT算子基于鲲鹏架构优化，提高FFT计算效率和扩展性
- 优化AlltoAll通信算法，并将部分标量代码转换为更高效向量代码，实现更大规模并行
