分子动力学模拟是一种离散模拟的方法,是计算量非常庞大的一种模拟分子运动的方法。其主要是以分子的运动规律为基础,计算分子在一定时间内的运动变化情况,根据计算过程中得到的数据,进行定性和定量的分析,从而得到分子体系的各种物理性质和化学性质。现已广泛的应用于物理、化学、生物、材料、医学等各个领域。GPU专为密集型、高度并行化的计算而设计,CUDA技术的应用降低了GPU通用计算开发难度。单GPU的计算能力已经比较强大,但是对于具有实际意义的超大规模的模拟系统来说,分子量高达上千万甚至上亿,这种系统所需要的计算能力远远大于单GPU,因此发展多个GPU并行的计算体系是有一定研究和实际意义的。本文主要针对分子动力学大规模模拟系统的并行计算进行研究。搭建CPU-GPU集群并行计算平台,集群中每个计算节点都以CPU为主处理器GPU为协处理器,将并行数值计算部分由GPU完成,其余操作由CPU完成。以CUDA为开发环境,完成分子动力学模拟在此集群上的实现。提出适合GPU计算的区域分解算法—“最小表面积法”进行并行任务的划分,这是一种(元胞)静态负载平衡算法,可以一定程度的降低集群中节点间通信代价,同时采用元胞列表法作为邻近分子搜索算法,有利于在GPU上的并行计算。采用MPI消息通信机制,并提出了适合本文设计系统的消息传递方法,根据这些算法提出了适合在CPU-GPU集群上实现的并行方案。从测试数据可以看出,对于大规模分子模拟系统的计算来说,GPU的计算能力远大于CPU的计算能力,在CPU-GPU集群上的计算效率远大于CPU集群上的计算效率。同时本文也设计并实现基于FPGA的分子模拟并行系统,测试表明GPU与FPGA的实现相比也占有一定的优势。