很多人在服务器上配置了昂贵的 A100 或是最新的 RTX 4090 显卡，但在运行 GROMACS 模拟时，却发现 GPU 占用率长期在 30% 到 50% 之间徘徊，跑出来的 ns/day 数据甚至不如低端显卡。
这种现象大概率不是硬件故障，而是直接套用了多年前针对纯 CPU 平台设计的 .mdp 模板。在现代 GROMACS（特别是 2020 及更高版本）中，GPU 不仅负责计算非键相互作用（Non-bonded forces），还可以接管 PME（倒易空间静电）、Update（坐标更新和约束）。
一旦 MDP 参数设置不当，就会导致频繁的 CPU-GPU 数据拷贝（PCIe 瓶颈）或任务串行等待。以下是几个对 GPU 计算效率影响最致命的 MDP 参数，以及优化这些参数的具体建议。
1. 邻居列表更新频率：nstlist 与 cutoff-scheme
这是影响 GPU 性能最核心的参数之一。
cutoff-scheme = Verlet
nstlist = 40 ; 严禁在使用 GPU 时将其设为 10 或 20
cutoff-scheme必须为Verlet：传统的Group方案不仅早已被官方废弃，而且根本无法在 GPU 上高效运行。nstlist必须调大：在纯 CPU 时代，大家习惯将nstlist设为 10 或 20。但在 GPU 加速模拟中，重新构建邻居表（Neighbor Searching）是在 CPU 上完成的（或者需要 CPU-GPU 强同步）。如果nstlist设得太小，CPU 就会频繁介入，导致 GPU 每隔十几步就要停下来等待 CPU 算完邻居表，造成严重的显卡饥饿。- 优化策略：在使用 GPU 跑 PME 时，建议将
nstlist设为 40 到 80。GROMACS 具有动态缓冲（Verlet buffer tolerance）机制，它会自动根据你设定的nstlist和verlet-buffer-tolerance = 0.005（默认值）来微调实际的截断半径，保证物理精度不受影响。因此，大胆地把nstlist设为 40 甚至更高，能够显著释放 GPU 的计算连续性。
2. 极易被忽视的显卡杀手：I/O 写入频率
这是新手最容易踩的坑。许多人为了获得高精度的轨迹，把能量和轨迹写入频率设得极高。
nstxout = 0 ; 关闭未压缩轨迹写入（*.trr）
nstvout = 0
nstfout = 0
nstxout-compressed= 50000 ; 压缩轨迹（*.xtc）写入步数
nstenergy = 50000 ; 能量写入步数
nstlog = 50000 ; 日志写入步数
- 瓶颈本质：GPU 在计算时，所有的坐标、速度、力信息都存储在显存中。一旦到了触发写入（如
nstenergy或nstxout）的那一步，GROMACS 必须将显存中的数据通过 PCIe 总线拉回到系统内存（CPU），然后由 CPU 格式化并写入硬盘。 - 性能损耗：如果你把
nstenergy设为100或1000，意味着每过几皮秒，GPU 就要被迫中断计算，进行一次昂贵的数据同步。这会产生巨大的 I/O 阻塞。 - 优化策略：除非你在进行高频的数据采样（如某些自由能计算或特定拉伸模拟），否则请将
nstxout-compressed、nstenergy和nstlog至少设为 10000 到 50000。日常平衡和生产跑不建议保留未压缩的*.trr坐标和速度输出（全设为 0）。
3. 约束算法与 GPU 更新的核心：constraints
从 GROMACS 2020 开始，支持将坐标更新（Update）和约束（Constraints）完全放到 GPU 上运行（通过命令行参数 -update gpu 开启）。
要顺利开启此功能，MDP 中的约束设置必须满足 GPU 的硬性要求：
constraints = h-bonds ; 或者是 all-bonds
constraint-algorithm = LINCS ; 严禁在 GPU update 时使用 SHAKE
lincs-order = 4
lincs-iter = 1
- 为什么不能用 SHAKE：GROMACS 的 GPU Update 模块目前只支持 LINCS 算法。如果你的 MDP 中写了
constraint-algorithm = SHAKE，GROMACS 将无法把 Update 步骤移至 GPU，被迫在每一步迭代中把力数据传回 CPU 计算约束，再把新坐标传回 GPU。这种高频的双向数据拷贝会彻底击碎 GPU 的算力优势。 - 优化策略：确保使用
LINCS约束。对于含有氢原子的体系，通常设置constraints = h-bonds配合 2 fs 的步长。
4. 倒易空间静电与范德华力截断：rcoulomb 与 rvdw
coulombtype = PME
rcoulomb = 1.0 ; 适当调整，为 CPU/GPU 负载均衡留出空间
rvdw = 1.0
在使用 GPU 跑 PME 时，GROMACS 会在实空间（Real space）计算和倒易空间（Reciprocal space/PME）计算之间分配任务。
- 参数关联：
rcoulomb（库仑力截断半径）的大小决定了实空间和倒易空间的工作量分配。 - 如果你的 GPU 极强（如 H100/RTX 4090）而 CPU 较弱，你可能需要将 PME 完全放到 GPU 上（
gmx mdrun -nb gpu -pme gpu）。此时，可以适当通过gmx mdrun -tunepme开启自动调节，它会在运行初期动态测试不同的rcoulomb距离，把最适合的计算比例交由 GPU 处理。 - 一般情况下，保持
rcoulomb = rvdw = 1.0或者是1.2即可，不要随意设置奇奇怪怪的非对称截断（例如rcoulomb = 0.9配合rvdw = 1.2），这会增加 GPU 的分支预测开销。
5. 控温与控压算法：tcoupl 与 pcoupl
虽然控温控压本身计算量不大，但不同的算法在 GPU 上的兼容性和同步开销不同。
tcoupl = v-rescale ; 推荐
pcoupl = c-rescale ; GROMACS 2021+ 推荐
; pcoupl = Parrinello-Rahman
- 温度耦合：
v-rescale（Velocity Rescaling）是极度推荐的算法。它不仅在物理上给出了正确的正则系综，而且在数值上极其稳定，与 GPU 加速的集成契合度极高。相比之下，Nose-Hoover稍微复杂一些，虽然也支持，但在一些老版本 GPU 代码中可能存在极小的额外开销。 - 压力耦合：传统的
Parrinello-Rahman算法由于计算波动较大，容易在模拟初期导致体系不稳定。而在较新版的 GROMACS 中，官方引入了c-rescale（Stochastic cell rescaling），它比Parrinello-Rahman更鲁棒，且非常适合在 GPU 加速下稳定快速地进行 NPT 平衡。
避坑 checklist：一份 GPU 友好的高效生产 MDP 配置片段
如果你的目标是榨干显卡性能，请对照修改你的 .mdp 文件：
; 积分器与步长
integrator = md
dt = 0.002
nsteps = 50000000 ; 100 ns
; 邻居表与截断（GPU 核心优化）
cutoff-scheme = Verlet
nstlist = 40
verlet-buffer-tolerance = 0.005
ns-type = grid
; 静电与范德华
coulombtype = PME
rcoulomb = 1.0
vdwtype = Cut-off
rvdw = 1.0
DispCorr = EnerPres
; 极简 I/O 减少数据回传
nstxout = 0
nstvout = 0
nstfout = 0
nstlog = 50000
nstenergy = 50000
nstxout-compressed = 50000
; 约束（允许 -update gpu）
constraints = h-bonds
constraint-algorithm = LINCS
lincs-order = 4
lincs-iter = 1
最后，有了完美的 .mdp 文件，启动命令也必须配合好。例如对于单卡 NVIDIA 平台，推荐使用如下命令启动：
gmx mdrun -v -deffnm prod -nb gpu -pme gpu -update gpu
这里的 -update gpu 会强制把坐标更新和约束也留在显存中进行。此时你会发现，GPU 占用率终于飚了上去，而每日模拟纳秒数（ns/day）也迎来了质的飞跃。
