LAMMPS性能与核时

本指南比较鸢算科技 HPC 集群的8173m CPU56核、P100 16GB和V100 16GB。分别测试金属Cu/EAM、共价Si/Tersoff及带长程静电与约束的SPC/E水，覆盖六档规模及GPU单、双、四、八卡。GPU包为mixed，KOKKOS为double；两条路线分别展示。

如何读这些结果#

每个资源组运行相同的结构、势、物理时间步和正式计时步数。不同规模的步数由预先校准确定，因此图中统一换算为“每1,000步秒数”；同一小图内越短越快。核时则由该次完整运行的实际秒数折算，包含初始化、固体200步／水50步预热和正式计算。两者用途不同。

CPU始终使用完整56核。主表的MPI／线程及GPU布局来自中等规模的有效调参候选，之后保持该布局跨规模比较；它们是经过验证的实用候选，不是每个体系、每个规模的全局最优。每格一次有效测量，小差异应视为近优。静态能量和力通过后才参与排名。

若出现内存分配失败，只尝试一次已经验证且预检占用较低的容量备选，保持物理输入、数值精度和正式步数，并保留原始失败。实际布局和重试来源在参数表与CSV中标明，数值错误不靠更换布局静默掩盖。失败行不参加速度、显存或最低核时推荐。

不同势的计算工作量不同，不能用Cu的ns/day替代水或Si的性能。小体系的通信与启动占比通常更大，大体系还会受到显存和邻居表影响；最终选择以同一模型、同一规模下的时间和费用为准。

公共初态通过NVT 500步生成，温控目标300K，并从同一份高精度坐标／速度文件出发。它是统一基准的有限温度状态，没有把0.5ps固体或1ps水的准备过程认定为热力学充分平衡；实际温度和后续波动在原始记录与准确性章节给出。正式性能段为固定体积NVE，Cu/Si步长1fs、水2fs，水保留SHAKE。各平台使用相同势、截断、邻居更新策略和长程设置。

性能数据是否已经调到最优#

本指南展示“中等规模调参后选定配置”的跨规模实测，没有为每个原子规模重新穷举最优参数。 “已测配置中最快”指本轮有效结果中的最快项，不表示相同硬件能够达到的性能上限。此前仅简述了选择方法，下面直接列出图表实际采用的进程、线程和GPU布局。

调参覆盖了什么#

调参共165次尝试、156次有效，按每1,000步耗时比较，选出51组配置。不同调参候选的步数可能不同，选择时没有直接比较原始Loop time。进入正式矩阵后，同一模型、同一规模的各资源配置使用相同正式步数；调整步数用于计时校准，不代表该规模又完成了一轮并行参数优化。

本轮每格一次有效测量，接近的时间可能包含波动。除了进程、线程、实现和上述参数，没有对所有绑核、NUMA、输出频率及算法参数进行完整搜索。因此，读者可以把表中配置作为有实测依据的起点，不能将它称为“各规模都已调至最优”。

每个MPI进程实际使用多少CPU核心#

主性能图中所有有效配置均为每MPI进程1个CPU线程，并为该进程指定1个CPU核心。 所以本轮用于计算的CPU核心总数等于MPI进程总数；GPU包每张卡可以对应多个MPI进程。

这里的OPENMP是所选style实现名称；线程数为1，因此CPU图中的56核并行主要来自56个MPI进程，不是“1个MPI调用56线程”。OPENMP实现以1线程运行仍可以与原生实现有性能差异。

本轮设置OMP_NUM_THREADS=1、MKL_NUM_THREADS=1、OPENBLAS_NUM_THREADS=1，并按任务记录固定CPU亲和性。CPU图采用-sf omp -pk omp 1；只使用不带加速后缀的原生56MPI程序，不完全等同于图中的参考配置。资源已分配且模块匹配时，CPU的启动形式为：

mpirun -np 56 lmp -sf omp -pk omp 1 -in in.lammps

GPU包：主图采用的MPI总数#

下表数字为MPI进程总数，同时也是实际使用的CPU核心总数；所有单元格的每进程线程数均为1。例如“V100、Cu、4卡＝8”表示4张GPU、8MPI、8CPU核，即每卡2MPI。

GPU包采用mixed精度、neigh yes、split 1.0、omp 1和pair Newton off。水的1卡、4卡配置在两平台均选用pair/only on，即pair走GPU加速而PPPM保留CPU路径；2卡、8卡使用本轮GPU包默认分工。Cu、Si没有启用pair/only on。

例如上表的V100四卡Cu配置，启动时MPI数是8，GPU数是4：

mpirun -np 8 lmp -sf gpu -pk gpu 4 neigh yes split 1.0 omp 1 -in in.lammps

不能把这条命令中的GPU数改成MPI数8。若用Slurm复现，该例应申请8MPI×1CPU和4GPU；通用公共模板默认是一进程一卡，需要同时核对资源行和命令中的GPU数量，详见参数指南与独立示例。

KOKKOS：主图采用的进程和邻居设置#

两平台、三个模型的KOKKOS均采用double精度，1、2、4、8卡分别对应1、2、4、8MPI，每MPI1线程/1CPU核。下表进一步列出实际neighbor / Newton组合。

本轮KOKKOS使用已匹配并验收的MPI路径，设置gpu/aware on。现有通用公共模板仍保留gpu/aware off，因此直接复制默认模板的运行条件与本轮实测不完全相同。这里说明实际测试配置；切换通信方式应使用匹配MPI和相应示例，不应只为复现一个开关而混用其他软件的MPI环境。

各规模是否完全沿用上述配置#

正常主矩阵沿用以上进程、线程、分工和邻居设置；以下容量处理需要单列：

• **230.4万原子水、两平台单卡KOKKOS：**为通过邻居表容量检查，skin从2Å改为0.5Å，仍为1MPI×1线程、double，物理截断、PPPM精度和正式步数不变。更频繁的邻居重建也会改变耗时，不能将这两行当成默认skin2Å的性能。
• **同一最大水盒、两平台双卡GPU包：**原8MPI布局分配失败，各用2MPI×1线程作一次容量备选也失败。这4次尝试保留在CSV中，不参加图表和最低核时选择。

此外，18组同规模原生56MPI CPU复核也已保存，但主性能图保持上述选定OPENMP配置，没有按每个点重新挑选不同实现拼接性能曲线。例如884,736原子Si，原生56MPI为35.291秒/1,000步，主图所用OPENMP56MPI为38.234秒/1,000步。这一实测例子说明，中等规模选出的配置不保证在其他规模仍是最快配置。完整同规模CPU对照见参数专题。

上述表格说明的是实际计算资源，而GPU核时按卡数折算收费。比如V100四卡、8MPI×1线程实际使用8个CPU核，参考计费核心数仍是4×32＝128，配套CPU不另收费，两个数字不能混为同一概念。

逐次运行配置CSV列出全部308次正式尝试的模型、规模、卡数、MPI、每进程CPU数、CPU总核数、每卡MPI、neighbor/Newton、skin、调参来源、容量来源和有效状态，可按原子数定位任一图中的数据点。它与完整性能CSV采用相同任务ID；本次只补充配置说明，没有新增模拟或改变原始时间。

各类体系的时间与核时#

本轮安排306个资源组，取得304组有效结果；共保留308次正式尝试，其中4次未通过。失败配置不参与后续选择，备选重试与原失败分别保留。

Cu / EAM#

• **4,000原子：**已测候选中，计算段最快为CPU56核，每1,000步0.135秒；该次完整运行参考核时最少为CPU56核，0.4679核时。
• **32,000原子：**已测候选中，计算段最快为V100 8卡 / gpu，每1,000步0.519秒；该次完整运行参考核时最少为V100 1卡 / kokkos，0.2937核时。
• **108,000原子：**已测候选中，计算段最快为V100 8卡 / gpu，每1,000步0.823秒；该次完整运行参考核时最少为V100 1卡 / kokkos，0.3648核时。
• **256,000原子：**已测候选中，计算段最快为P100 8卡 / gpu，每1,000步1.598秒；该次完整运行参考核时最少为V100 1卡 / kokkos，0.3422核时。
• **864,000原子：**已测候选中，计算段最快为V100 8卡 / kokkos，每1,000步3.406秒；该次完整运行参考核时最少为V100 1卡 / kokkos，0.3459核时。
• **2,048,000原子：**已测候选中，计算段最快为V100 8卡 / kokkos，每1,000步5.542秒；该次完整运行参考核时最少为V100 1卡 / kokkos，0.4769核时。

同一规模下，最快配置和最少核时配置可能不同。增加显卡会增加计费核心数；只有时间下降足以抵消资源增加时，核时才会随之下降。曲线出现平台或退化时，应结合每卡原子数、MPI通信和未卸载部分判断，不把更多显卡当作必然更快。

Cu / EAM：CPU与GPU路线耗时

Cu / EAM：CPU与GPU路线参考核时

Cu / EAM：CPU与KOKKOS路线耗时

Cu / EAM：CPU与KOKKOS路线参考核时

Si / Tersoff#

• **4,096原子：**已测候选中，计算段最快为CPU56核，每1,000步0.187秒；该次完整运行参考核时最少为P100 1卡 / kokkos，0.2851核时。
• **32,768原子：**已测候选中，计算段最快为V100 1卡 / kokkos，每1,000步0.277秒；该次完整运行参考核时最少为V100 1卡 / kokkos，0.2658核时。
• **110,592原子：**已测候选中，计算段最快为V100 1卡 / kokkos，每1,000步0.531秒；该次完整运行参考核时最少为V100 1卡 / kokkos，0.2718核时。
• **262,144原子：**已测候选中，计算段最快为V100 1卡 / kokkos，每1,000步1.028秒；该次完整运行参考核时最少为V100 1卡 / kokkos，0.3020核时。
• **884,736原子：**已测候选中，计算段最快为V100 8卡 / kokkos，每1,000步2.841秒；该次完整运行参考核时最少为V100 1卡 / kokkos，0.3522核时。
• **2,097,152原子：**已测候选中，计算段最快为V100 8卡 / kokkos，每1,000步4.429秒；该次完整运行参考核时最少为V100 1卡 / kokkos，0.4433核时。

同一规模下，最快配置和最少核时配置可能不同。增加显卡会增加计费核心数；只有时间下降足以抵消资源增加时，核时才会随之下降。曲线出现平台或退化时，应结合每卡原子数、MPI通信和未卸载部分判断，不把更多显卡当作必然更快。

Si / Tersoff：CPU与GPU路线耗时

Si / Tersoff：CPU与GPU路线参考核时

Si / Tersoff：CPU与KOKKOS路线耗时

Si / Tersoff：CPU与KOKKOS路线参考核时

SPC/E 水 / PPPM#

• **4,500原子：**已测候选中，计算段最快为CPU56核，每1,000步1.510秒；该次完整运行参考核时最少为P100 1卡 / kokkos，0.4203核时。
• **36,000原子：**已测候选中，计算段最快为V100 1卡 / kokkos，每1,000步8.672秒；该次完整运行参考核时最少为V100 1卡 / kokkos，0.2978核时。
• **121,500原子：**已测候选中，计算段最快为V100 1卡 / kokkos，每1,000步39.711秒；该次完整运行参考核时最少为V100 1卡 / kokkos，0.3475核时。
• **288,000原子：**已测候选中，计算段最快为CPU56核，每1,000步133.140秒；该次完整运行参考核时最少为V100 1卡 / kokkos，0.5555核时。
• **972,000原子：**已测候选中，计算段最快为CPU56核，每1,000步512.270秒；该次完整运行参考核时最少为P100 1卡 / kokkos，1.5949核时。
• **2,304,000原子：**已测候选中，计算段最快为CPU56核，每1,000步1284.015秒；该次完整运行参考核时最少为P100 1卡 / kokkos，4.1803核时。

同一规模下，最快配置和最少核时配置可能不同。增加显卡会增加计费核心数；只有时间下降足以抵消资源增加时，核时才会随之下降。曲线出现平台或退化时，应结合每卡原子数、MPI通信和未卸载部分判断，不把更多显卡当作必然更快。

SPC/E 水 / PPPM：CPU与GPU路线耗时

SPC/E 水 / PPPM：CPU与GPU路线参考核时

SPC/E 水 / PPPM：CPU与KOKKOS路线耗时

SPC/E 水 / PPPM：CPU与KOKKOS路线参考核时

费用口径与生产计算#

8173m按56核／节点，P100按24核／卡，V100 16GB按32核／卡。GPU配套CPU不额外收费，按运行秒数累计，没有最低扣费。参考核时=完整运行秒数×计费核心数÷3,600；费用区间按0.025～0.035元／核时。此次为独占节点SSH对照，展示的是参考折算，没有把它冒充实际Slurm扣费账单。

长生产任务可以用实测ns/day估算稳态计算时间，再加初始化和实际轨迹输出开销。短测预热与初始化的占比通常更大，不能将短作业的整段费用比例直接视为所有长MD的结论。这里的NVE、输出频率、势、截断和密度都是测试条件，用户生产任务应保持自己的科学精度和所需系综。

本轮根据实际吞吐量校准步数。水的GPU包慢路径与KOKKOS快路径差距较大时，对整个资源组统一控制步数预算，不只缩短某个资源的工作量。最快配置未必都能达到30秒目标，具体步数、实际时间和每1,000步归一值均在CSV中，不把较短样本的小差异当作稳定优势。

相同1ns生产长度的核时预算外推#

上面的完整短测核时包含预热，且不同规模的校准步数不同。下面另将每个规模外推到相同的1ns，以便比较长任务预算：Cu/Si为100万步，水为50万步。估算时间=本次完整墙钟时间－本次正式Loop time＋实测每步时间×1ns所需步数；保留本次实测的初始化与预热开销，仅替换正式段长度，再乘相应计费核心数。预算费用可将图中核时乘以0.025～0.035元，本页下载CSV已按当前0.025与0.035两个端点重新计算费用派生列，原始计时与参考核时保持不变。

这是沿用本轮结构、固定体积NVE、输出频率与分解的吞吐量外推，没有真正运行1ns，也不是实付账单。实际生产的轨迹输出、分析、不同系综、密度变化或长时负载不均都可能改变耗时；水与固体的不同势不能仅凭1ns时间互相比算法优劣。

Cu / EAM：相同1ns的参考核时外推 / GPU

Cu / EAM：相同1ns的参考核时外推 / KOKKOS

Si / Tersoff：相同1ns的参考核时外推 / GPU

Si / Tersoff：相同1ns的参考核时外推 / KOKKOS

SPC/E 水 / PPPM：相同1ns的参考核时外推 / GPU

SPC/E 水 / PPPM：相同1ns的参考核时外推 / KOKKOS

测试环境与适用范围#

LAMMPS22Jul2025 Update6。CPU使用oneAPI2024.2／Intel MPI／MKL；GPU使用GCC13.3／独立Open MPI5.0.10／CUDA12.8／MKL，Kokkos4.6.2。通用构建所带PLUMED本轮未施加偏置。驱动、默认功耗、P2P和公共程序保持原状，硬件拓扑和每次MPI／线程布局归档。

两GPU节点驱动均为580.173.02。这里比较的是实际交付节点和对应软件栈的综合表现；GPU包仍有CPU工作，主机CPU与拓扑也会影响结果，不能把P100与V100之间全部差异归给GPU芯片本身。

GPU包和KOKKOS的包覆盖范围、CPU/GPU分工、数值精度不同，因此两条路线的速度差不能全部归因于精度。没有测试的模型、跨节点、DeePMD、ReaxFF及增强采样不能直接套用本表。

完整性能与费用CSV · 参数选择 · 计算准确性 · 显存容量

显存监测对计时的控制检查#

性能主表同时使用5ms目标间隔的显存采样。另以相同输入、相同步数和四卡布局，顺序比较开启／关闭该采样的运行，GPU健康指标监测保持一致。每种只有一对，差异包含运行波动，不能解释为精确的固定监测开销，也没有据此校正原始时间。