重新定义
大规模原子模拟
GPUMD 实现了适用于多体势函数的力、位力与热流的简洁统一表达式，有效突破了传统分子动力学方法在并行效率与物理一致性方面的关键瓶颈，为复杂多体体系在 GPU 上的高性能计算提供了坚实的理论与算法基础。
持续发展了 Neuroevolution Potential (NEP) 机器学习势方法，成功融合了第一性原理计算的高精度与经验势函数的高计算效率，实现了对复杂材料体系的快速计算，使亿级原子尺度的高精度分子动力学模拟成为可能。
100x
加速比
相比串行 CPU 计算
108
原子规模
支持亿级原子模拟
NEP
机器学习势
量子精度 & 经验势速度
CUDA/HIP
深度优化
支持 GPU/DCU
支持的势函数
涵盖了从经验势到机器学习势的完整支持。
机器学习势
-
Neuroevolution Potential
基于神经演化算法的机器学习势，实现精度与速度的完美平衡。
-
Deep Potential
支持深度势分子动力学模拟。
经验势函数
Lennard-Jones
EAM
Tersoff
ADP
ILP
广泛的应用领域
从基础物理研究到前沿工程应用，GPUMD 为您提供可靠的计算支撑。
力学响应
Mechanical Properties
辐照损伤
Radiation Damage
相变过程
Phase Transition
冲击模拟
Shock Simulation
短程有序
Short-range Order
离子输运
Ion Transport
化学反应
Chemical Reactions
张量性质
Tensorial Properties
热输运
Heat Transport
热力学性质
Thermodynamic Properties