OpenMM分子动力学模拟01 OpenMM 介绍：一个用 Python 驱动的 GPU 分子模拟引擎

摘要OpenMM 是斯坦福 Pande 组开源的 GPU 分子模拟引擎Python API 驱动兼顾应用层开箱即用与库层嵌入开发。本章从两层架构、三种使用方式、与其他引擎的关系讲起给出这套 35 章大百科的阅读地图。关键字OpenMM、分子动力学、GPU加速、Python API、MD引擎、开源软件、Eastman、斯坦福【官方来源】docs.openmm.org User Guide §1 Introduction【Linux 实测】OpenMM 8.5.2 / conda-forge / Python 3.11 / Ubuntu 22.04 / 消费级 GPU12 GB 显存1. 一句话定位OpenMM 由两部分组成一组库libraries让程序员把分子模拟功能嵌进自己的程序一个应用层application layer让只想跑模拟的终端用户直接用【官方来源】官方 User Guide 原文就是这个二分法。它没有一个叫 OpenMM 的可执行程序——所谓应用层本质是一堆 Python 库你用 Python 脚本串起来跑模拟。官方原话“there is no program called ‘OpenMM’ that you run”。初学者翻译AMBER 的用法是写 mdin → 跑 pmemdGROMACS 是写 mdp → 跑 gmx mdrun。OpenMM 没有这一步——你写的就是一个 Python 脚本本身。听起来吓人但官方教程的完整脚本只有 13 行逐行讲解在系列第 05 篇。2. 该引用谁写论文必备【官方来源】任何使用 OpenMM 的工作应引用P. Eastman, R. Galvelis, R. P. Peláez, C. R. A. Abreu, S. E. Farr, E. Gallicchio, A. Gorenko, M. M. Henry, F. Hu, J. Huang, A. Krämer, J. Michel, J. A. Mitchell, V. S. Pande, J. PGLM Rodrigues, J. Rodriguez-Guerra, A. C. Simmonett, S. Singh, J. Swails, P. Turner, Y. Wang, I. Zhang, J. D. Chodera, G. De Fabritiis, and T. E. Markland. OpenMM 8: Molecular Dynamics Simulation with Machine Learning Potentials. J. Phys. Chem. B 128(1), pp. 109-116 (2023).【补充】官方明确说OpenMM 靠科研经费维持引用就是支持项目。3. 五平台架构【Linux 实测】Platform.getNumPlatforms()输出Platform speed Reference 1 # 纯 C 参考实现最慢最准用于验证 CPU 10 # 多线程 CPU CUDA 100 # NVIDIA GPU OpenCL 50 # 跨厂商 GPUNVIDIA/AMD/Intel/Apple【官方来源】User Guide §3.7.1 原文“OpenMM includes five platforms: Reference, CPU, CUDA, OpenCL, and HIP.”平台硬件谁该用Reference任意 CPU验证正确性结果基准CPU多核 CPU无 GPU 机器跑小体系CUDANVIDIA GPUNVIDIA 用户首选本机用的这个OpenCL多厂商 GPUmacOS系统自带NVIDIA/AMD/IntelHIPAMD GPU (ROCm)AMD Linux/Windows 用户【踩坑】macOS 没有 Metal 后端。8.5 官方 Platform-Specific 文档Ch.11只列 OpenCL/CUDA/HIP/CPU 四种 GPU/CPU 平台详情。Apple Silicon 用户走 OpenCL。4. 许可证与资金模式【官方来源】GitHub README “License Information”“OpenMM is free and open-source software. There are several licenses which cover different parts of OpenMM, but most of the source code is covered by the MIT license or the GNU Lesser General Public License (LGPL). Portions copyright © 2008-2025 Stanford University and the Authors.”【Linux 实测】conda-meta 包元数据license: LGPL-3.0-or-laterconda-forge 包整体标注。初学者翻译商用友好。MIT/LGPL 都是宽松许可可以闭源商用LGPL 部分动态链接即可。5. 项目历史速览GitHub Releases 实测版本发布要点5.22013-10-02首个 GitHub release仓库 2013-05-20 创建6.02014-02-22—7.12017-02-03CustomForce 全局参数导数、Gay-Berne 势7.5.02020-12-09Amber19/CHARMM36 力场 XML8.0.02023-01-31ML 势函数支持OpenMM-Torch/ML 插件基础、CPU 平台大优化8.5.22026-06-08当前版Python 3.11 实测通过6. OpenMM 的三个反常设计为什么它值得学反常 1力场是 XML不是二进制表AMBER 把参数编进 prmtopGROMACS 用 itp。OpenMM 把力场写成明文 XMLamber19-all.xmlForceField类解析。好处力场模块化组合蛋白 XML 水 XML 离子 XML 各自独立、可手写扩展Ch.7 教你写自己的 XML。反常 2模拟逻辑全在 Python从建体系到跑完全部是一个 Python 脚本。没有引擎和胶水脚本的界限——这就是为什么它能和 PyTorchML 势函数、主动学习循环、自定义分析无缝咬合。反常 3自定义力 写数学表达式CustomBondForce(0.5*k*(r-r0)^2)——直接写字符串引擎 JIT 编译成 GPU kernel。增强采样的 bias、容器约束、非标准势都不需要碰 C。这是 AMBER/GROMACS 用户改 C 源码才能做的事。7. 生态位什么时候用 OpenMM你的需求 ├─ 已有 AMBER prmtop想用 Python 灵活控制 → OpenMM原生读 prmtop ├─ 增强采样metadynamics/aMD/replica exchange→ OpenMM 内置§3.7.16 ├─ ML 势函数ANI-2x/MACE/NequIP→ OpenMM-Torch 插件 ├─ 自定义 bias potential → CustomForce唯一这么方便的 ├─ TI/FEP/MMGBSA → AMBER 工具链更成熟 └─ 膜体系大生产跑 → GROMACS 性能强 CHARMM-GUI 联动8. 学习资源官方链接全录【官方来源】官网https://openmm.org/User Guidehttps://docs.openmm.org/latest/userguide/Python APIhttps://docs.openmm.org/latest/api-python/C APIhttps://docs.openmm.org/latest/api-c/FAQhttps://github.com/openmm/openmm/wiki/Frequently-Asked-Questions讨论区https://github.com/openmm/openmm/discussionsCookbook Tutorialshttps://openmm.github.io/openmm-cookbook/latest下一篇02 · 安装系列导航本专栏分子动力学模拟-OpenMM35 章大百科官方 User Guide / Tutorials / Cookbook / examples 全覆盖我的专栏蛋白 / 抗体 / 多肽 / 核酸分子模拟 / 动力学 / 对接药物 / 设计 / 案例AI / Agent / 大模型开源蛋白结构预测分子模拟基础小分子药物设计案例AI Agent系列开源蛋白生成方法实践分子动力学模拟-Amber蛋白药物设计案例化学大模型开源多肽设计模型分子动力学模拟-Gromacs多肽药物设计案例《AI Agent原理与实战》开源多肽性质预测分子动力学模拟-OpenMM开源小分子生成设计CADD中的机器学习模型DNA/RNA药物设计結合自由能开源药代动力学软件高效计算配置siRNA药物设计模型UCSF DOCK系列我胡师兄说药ASO药物设计模型rDock系列 LeDock系列 gnina系列