分子动力学模拟（Molecular dynamics simulation，简称MD simulation），作为一种基于牛顿力学积分的、描述微观尺度下分子层面粒子间相互作用及动力学的计算模拟方法，在物理、化学、材料和生物等领域广泛应用，并取得巨大成就。然而目前传统的分子动力学模拟往往被限制在100万原子以下的小体系及小于10微秒的时间尺度，远不足以刻画许多真实的系统。
库仑相互作用（分子间的长程静电相互作用力计算复杂度高「O(N2)」）是最主要的计算瓶颈，它的长程性导致计算核心之间密集通讯，大大降低使用计算机集群时的并行效率。因此，发展一种具有高精度、高速率和高可扩展性的分子模拟算法至关重要。
序幕
2019年，天鹜科技专家顾问委员会主席、上海交通大学自然科学学院院长金石教授与该校李磊教授、杜克大学刘建国教授提出的随机分批法(Random Batch Methods-RBM)成功将计算复杂度降到了N的量级，并给出了严格的误差收敛性估计。
2021年11月1日，金石教授就论文《Random Batch Methods (RBM) for interacting particle systems》在「Journal of Computational Physics」举办的系列研讨会上进行了一小时报告。「Journal of Computational Physics」是科学计算和应用数学领域最重要的杂志之一，该杂志从2021年秋天起设立系列研讨会，由编委遴选近年来在杂志发表的极具创新性或产生过重要影响的论文进行主题演讲。
「Journal of Computational Physics」对金石教授报告的宣传
天鹜科技专家顾问委员会顾问、上海交通大学数学科学学院徐振礼教授及上海交通大学自然科学研究院洪亮教授将RBM算法赋能计算化学，构造了Random Batch Ewald（RBE）算法来计算分子间的长程静电力。
RBE算法的示意图（A）和高性能实现流程图（B）
目前该算法已应用于多个主流计算模拟软件LAMMPS、Gromacs等进行全原子分子动力学模拟。测试结果证明RBE算法在保持主流算法的精度下，能够将万核并行效率提高5倍，计算速度提高10倍。
RBE算法相较PPPM算法具有更强劲的性能和超级可扩展性
蛋白质溶液下RBE算法精确重现主流算法获得的结构、动力学及热力学信息
（右一：上海交通大学校长林忠钦院士，左一：上海交通大学书记杨振斌教授）
近期徐振礼教授团队在“思源一号”上完成了LAMMPS-RBE（LAMMPS-RBE是由上海交通大学上海应用数学中心团队基于LAMMPS二次开发的、完整应用RBE的自研软件）的测试。
点击此处试用：
https://docs.hpc.sjtu.edu.cn/app/engineeringscience/lammps-rbe.html?highlight=rbe
“思源一号”是上海交通大学全新上线的全国顶尖高性能计算机群，总计算力6千万亿次/秒，在中国高性能计算TOP 100榜单上排名12位，在中国高校高性能计算排名第一，其拥有的万核CPU对验证LAMMPS-RBE的大规模并行效率验证提供了很好的硬件条件，以下是部分测试数据。
【测试体系与结果一】
3亿个原子的全原子水体系，使用CPU核数量从1024到51200核，比较基于不同静电求解器(RBE和PPPM)的CPU时间和相对并行效率。并行效率是基于RBE方法在1024核时候的平均每核计算时间，并行效率计算方式为平均每核计算时间的相对比例。
PPPM在CPU万核开始，由于通讯开销大幅上升，计算时间反而随核数增加而下降。LAMMPS-RBE比PPPM在使用51200核时有接近三个数量级的相对并行效率提升，万核以内模拟的强扩展性在95%左右。
【测试体系与结果二】
全原子水体系, 使用CPU核数量从1到21384核，固定每个CPU核平均有4500个原子以测试基于不同静电求解器(RBE和PPPM)的CPU时间和弱可扩展性。
随着CPU核数的增加PPPM算法扩展性明显下降，1000核时下降到~10%。相比较，LAMMPS-RBE软件依旧在万核模拟中实现了接近80%的弱可扩展性。
发展
天鹜科技将创新的计算化学方法应用于计算药物分子和靶蛋白的结合自由能（Free energy pertubation，简称FEP），在多个靶点验证了算法的精度和行业头部企业薛定谔相当。
天鹜科技目前正致力于打造AI+RBE-MD驱动的创新药研发平台，利用RBE-AI计算，结合GPU大装置和创新计算化学和计算物理方法，实现受体-配体结合动力学模拟（尤其是超大生物体系的模拟）、AI+FEP精准预测等功能，克服FEP仅能预测靶点结合性的不足，弥补AI预测中假阳性率高等问题。
同时公司研发团队与大型药企的药物化学、毒理、药理、生物医学领域的专家深度合作，在某肿瘤靶点上设计8个新颖小分子推入合成和实验，经体外细胞抑制活性实验验证，阳性率达50%。（IC50
未来天鹜科技还将再接再厉，构建RBE-facilitated增强采样模型，完善基于结构及动力学的药物开发模块，开发新一代具有口服长效性和/或选择性特质的小分子。结合高通量合成技术，实现设计和合成的高通量闭环。同时自主建立体外活性实验，最终实现高通量湿实验验证的AI+计算+ADMET评估的药物分子设计平台。
天鹜科技核心团队是数学和计算化学背景出身，正积极和多家上市药企深度合作，目前已吸纳并积极引进众多业内顶级的高通量合成化学家、药物化学家、毒理专家及生物学家。天鹜科技的使命是让先进的计算和AI算法赋能药物筛选，让AI和计算回归制药。近日，天鹜科技宣布完成数千万元种子轮融资，由耀途资本领投，商汤科技、小苗朗程及资深个人投资人跟投。
相关文献：
[1] Shi Jin, Lei Li and Jian-Guo Liu, Random Batch Methods (RBM) for interacting particle systems, J. Comp. Phys. 400， 108877， 2020.
[2] S. Jin, L. Li, Z. Xu and Y. Zhao, A random batch Ewald method for particle systems with Coulomb interactions, SIAM J. Sci. Comput., 43 (2021), B937-B960.
[3] J. Liang, P. Tan, Y. Zhao, L. Li, S. Jin, L. Hong and Z. Xu, Superscalability of the random batch Ewald method, J. Chem. Phys., 156 (2022), 014114.
[4] J. Liang, Z. Xu and Y. Zhao, Random-batch list algorithm for short-range molecular dynamics simulations, J. Chem. Phys., 155 (2021), 044108.
[5] J. Liang, P. Tan, L. Hong, S. Jin, Z. Xu and L. Li, A random batch Ewald method for charged particles in the isothermal-isobaric ensemble, arXiv: 2110.14362.
