OpenMM — 高性能 GPU 加速分子动力学模拟库¶

一句话说明¶

OpenMM 是用 Python 控制的分子动力学模拟库，GPU 加速后比 GROMACS 更灵活，支持自定义力场和增强采样方法，广泛用于蛋白质折叠、机器学习力场等前沿研究。白话理解：比 GROMACS 更像"积木"，可以用 Python 脚本自由组合模拟方案。

安装与配置¶

# conda 安装（推荐，自动适配 CUDA 版本）
conda install -c conda-forge openmm  # 安装 OpenMM（当前 v8.2.0）
# 确认安装成功并检测 GPU
python -m openmm.testInstallation  # 显示可用平台（CPU/CUDA/OpenCL）

# 安装常用辅助包
conda install -c conda-forge pdbfixer   # 修复 PDB 文件（缺失原子/残基）
conda install -c conda-forge openmmforcefields  # 额外力场（GAFF/SMIRNOFF）
pip install openmmtools  # 增强采样工具（复制交换/自由能计算）

核心用法¶

基本模拟脚本¶

from openmm.app import *              # 导入 PDB/力场/模拟器等工具
from openmm import *                  # 导入核心类（System, Force, Integrator）
from openmm.unit import *             # 导入单位（纳米、开尔文、皮秒等）
import sys

# === 步骤1：读取蛋白质结构 ===
pdb = PDBFile("protein.pdb")          # 读取 PDB 文件

# === 步骤2：选择力场 ===
forcefield = ForceField(
    "amber14-all.xml",                # AMBER14 力场（蛋白质）
    "amber14/tip3pfb.xml"            # TIP3P-FB 水模型
)

# === 步骤3：构建系统（含溶剂盒子）===
modeller = Modeller(pdb.topology, pdb.positions)  # 创建模型器
modeller.addHydrogens(forcefield)                 # 加氢原子
modeller.addSolvent(
    forcefield,                        # 力场
    model="tip3p",                     # 水模型
    padding=1.0*nanometer             # 蛋白质到盒子边界 1nm
)

system = forcefield.createSystem(
    modeller.topology,
    nonbondedMethod=PME,               # 静电：粒子网格 Ewald
    nonbondedCutoff=1.2*nanometer,    # 截断距离：1.2nm
    constraints=HBonds                 # 约束 H-X 键（允许 2fs 步长）
)

# === 步骤4：选择积分器和恒压器 ===
integrator = LangevinMiddleIntegrator(
    310*kelvin,                        # 温度：310K（体温）
    1.0/picosecond,                    # 摩擦系数
    0.002*picoseconds                  # 时间步长：2fs
)
# 加恒压器（NPT 模拟）
system.addForce(MonteCarloBarostat(
    1*atmosphere,                      # 目标压力：1atm
    310*kelvin                         # 温度
))

# === 步骤5：创建模拟器 ===
simulation = Simulation(
    modeller.topology,
    system,
    integrator,
    Platform.getPlatformByName("CUDA")  # 使用 CUDA GPU（改为"CPU"用 CPU）
)
simulation.context.setPositions(modeller.positions)  # 设置初始坐标

# === 步骤6：能量最小化 ===
print("能量最小化...")
simulation.minimizeEnergy(maxIterations=500)  # 最多500步最小化

# === 步骤7：设置数据记录 ===
simulation.reporters.append(
    DCDReporter("trajectory.dcd", 1000)  # 每1000步保存一帧轨迹（DCD格式）
)
simulation.reporters.append(
    StateDataReporter(
        sys.stdout,              # 输出到屏幕
        1000,                    # 每1000步报告一次
        step=True,               # 显示步数
        potentialEnergy=True,    # 显示势能
        temperature=True,        # 显示温度
        density=True             # 显示密度
    )
)

# === 步骤8：运行模拟 ===
print("开始 MD 模拟...")
simulation.step(5_000_000)  # 运行 5,000,000 步（×2fs = 10ns）
print("模拟完成！")

# 保存最终结构
positions = simulation.context.getState(getPositions=True).getPositions()
PDBFile.writeFile(simulation.topology, positions, open("final.pdb", "w"))
print("最终结构已保存：final.pdb")

参数详解¶

参数	含义	常用值
`PME`	静电计算方法（长程精确）	推荐用于含溶剂体系
`nonbondedCutoff`	非键截断距离	1.0-1.2 nm
`constraints=HBonds`	约束 H-X 键	允许 2fs 步长
`LangevinMiddleIntegrator`	朗之万积分（含温控）	310K，γ=1/ps
`MonteCarloBarostat`	蒙特卡洛控压器	1 atm（NPT 用）
`Platform`	计算平台	CUDA/OpenCL/CPU

实战案例¶

案例：使用机器学习力场（OpenMM-ML）¶

# 安装 openmm-ml（支持 ANI/MACE/AIMNet2 等机器学习力场）
# pip install openmm-ml

from openmmml import MLPotential        # 导入机器学习力场接口
from openmm.app import *
from openmm import *
from openmm.unit import *

# 载入蛋白质-配体复合物
pdb = PDBFile("complex.pdb")

# 用 ANI-2x 力场处理配体，AMBER 处理蛋白质
ml_potential = MLPotential("ani2x")     # 选择 ANI-2x 神经网络力场

# 定义配体原子索引（需提前确定）
ligand_atoms = list(range(100, 150))    # 假设100-149号原子是配体

# 混合力场系统（配体用 ML，蛋白质用 AMBER）
forcefield = ForceField("amber14-all.xml", "amber14/tip3pfb.xml")
system = forcefield.createSystem(pdb.topology)

# 把配体部分替换为 ML 力场
system = ml_potential.createMixedSystem(
    pdb.topology,
    system,
    ligand_atoms,           # 配体原子索引
    interpolate=False       # False=完全替换；True=线性插值混合
)

print("混合力场系统构建完成")

常见报错与解决¶

报错	原因	解决方法
`CUDA error: out of memory`	GPU 显存不足	减小体系大小；用 CPU 平台
`ValueError: No template for XXX`	力场不含该残基	用 `pdbfixer` 修复；或加 GAFF 力场
`OpenMM Exception: Particle position is NaN`	体系爆炸（原子重叠）	延长能量最小化；减小时间步长
温度不稳定	步长太大	从 1fs 开始；检查约束设置
平台 CUDA 不可用	CUDA 驱动版本不匹配	`conda install -c conda-forge cudatoolkit` 匹配版本

速查表¶

# 安装
conda install -c conda-forge openmm pdbfixer

# 测试 GPU 支持
python -m openmm.testInstallation

# 常用力场
amber14-all.xml          # AMBER14 蛋白质力场（推荐）
amber14/tip3pfb.xml      # TIP3P-FB 水模型
charmm36.xml             # CHARMM36 力场

# 常用积分器
LangevinMiddleIntegrator   # 带温控（NVT/NPT 常用）
VerletIntegrator           # 标准韦尔勒特（NVE）

# 计算平台（按速度排序）
CUDA > OpenCL > CPU（Reference 最慢但最准确）

# 当前版本：OpenMM v8.2.0