Windows + Conda + OpenMM GPU（CUDA）完整安装教程-50显卡系列

Windows + Conda + OpenMM GPU（CUDA）完整安装教程

适用于：Windows 10 / 11 + NVIDIA GPU

已验证：RTX 5090 + Driver 591.xx

一、前置条件（必须满足）

操作系统

Windows 10 / 11（64 位）

显卡

NVIDIA GPU（如 RTX 系列）

驱动

已安装 NVIDIA 驱动
验证方式（PowerShell）：

powershell 复制代码

nvidia-smi

你应看到：

GPU 名称
Driver Version
CUDA Version（显示 13.x 没关系）

二、安装 Conda（如果你已经有，可跳过）

三、创建 AIDD / OpenMM 专用环境（推荐做法）

创建新环境（Python 3.10 最稳）

powershell 复制代码

conda create -n AIDD python=3.10 -y

激活环境

powershell 复制代码

conda activate AIDD

确认前缀变为：

text 复制代码

(AIDD)

四、配置 conda-forge（非常重要）

OpenMM 必须来自 conda-forge：

powershell 复制代码

conda config --add channels conda-forge
conda config --set channel_priority strict

五、安装 OpenMM + CUDA（GPU 关键步骤）

核心原则

不用系统 CUDA
不用 pip
用 conda 内置 CUDA 11.8

安装 OpenMM GPU 版

powershell 复制代码

conda install openmm cudatoolkit=11.8 -y

说明：

openmm：分子动力学引擎
cudatoolkit=11.8：OpenMM 官方最稳定 CUDA 版本
自动兼容你的新显卡 + 新驱动

六、安装常用 AIDD / 分析依赖（可选但推荐）

powershell 复制代码

conda install mdtraj numpy scipy scikit-learn matplotlib seaborn pdbfixer -y

七、验证 OpenMM 是否成功安装（基础验证）

进入 Python

powershell 复制代码

python

你会看到：

text 复制代码

>>>

验证模块可导入

python 复制代码

import openmm
import mdtraj
import numpy
import pdbfixer
print("Basic import OK")

无报错即成功。

八、验证 GPU（CUDA）是否真的可用（关键）

查看可用平台

python 复制代码

from openmm import Platform
print([Platform.getPlatform(i).getName() for i in range(Platform.getNumPlatforms())])

正确输出（至少包含 CUDA）：

text 复制代码

['Reference', 'CPU', 'CUDA', 'OpenCL']

如果你看到 CUDA：

🎉 OpenMM GPU 已成功启用

查看 CUDA 平台属性（深度验证）

python 复制代码

platform = Platform.getPlatformByName("CUDA")
print(platform.getPropertyNames())

你应看到类似：

text 复制代码

('DeviceIndex', 'DeviceName', 'Precision', 'UseCpuPme', ...)

这说明：

CUDA kernel 能被编译
GPU 真正参与计算（不是假 GPU）

九、最小 GPU 测试示例（推荐保存）

你可以新建一个文件 test_openmm_cuda.py：

python 复制代码

from openmm import Platform
platform = Platform.getPlatformByName("CUDA")
print("Using platform:", platform.getName())
print("Properties:", platform.getPropertyNames())

运行：

powershell 复制代码

python test_openmm_cuda.py

十、常见错误与解决方案（必看）

1. PowerShell 报错：`import is not recognized`

原因：你在 PowerShell 里直接写 Python 语句

解决：先 python 进入解释器

2. 使用了 `\` 换行

这是 Linux 语法

PowerShell 要么一行写完，要么用反引号 ```

3. 没看到 CUDA 平台

解决顺序：

nvidia-smi 是否正常
是否安装了 cudatoolkit=11.8
是否用 conda-forge
是否混用了 pip

4. 用了 pip 安装 openmm

bash 复制代码

pip install openmm

Windows 下几乎必翻车（无 CUDA）

十一、你现在这套环境能做什么（实战价值）

GPU 分子动力学（ns～µs）
蛋白 / 蛋白-配体模拟
Enhanced sampling
AIDD 特征生成
后接 PyTorch / ML

十二、推荐的后续结构（不强制）

text 复制代码

AIDD/
├── env/            # conda 环境
├── data/           # pdb / sdf
├── md/             # OpenMM 脚本
├── features/       # mdtraj 输出
├── ml/             # 机器学习
└── notebooks/

最终一句话总结

你现在已经拥有：

Windows 上「正确、稳定、可复现」的 OpenMM GPU 环境

支持新显卡（RTX 5090）

不依赖系统 CUDA

科研级配置（不是试玩）

一、10 行 OpenMM GPU MD 最小示例（Sanity Check）

目标：确认 GPU 真正在算 MD

用的是 OpenMM 自带的示例体系（避免文件依赖）

python 复制代码

from openmm.app import *
from openmm import *
from openmm.unit import *

pdb = PDBFile('https://raw.githubusercontent.com/openmm/openmm/master/examples/data/alanine-dipeptide.pdb')
forcefield = ForceField('amber14-all.xml')
system = forcefield.createSystem(pdb.topology, nonbondedMethod=NoCutoff)

integrator = LangevinIntegrator(300*kelvin, 1/picosecond, 2*femtoseconds)
platform = Platform.getPlatformByName('CUDA')

simulation = Simulation(pdb.topology, system, integrator, platform)
simulation.context.setPositions(pdb.positions)
simulation.step(1000)

print("GPU MD run OK")

如果你看到：

复制代码

GPU MD run OK

说明 GPU + OpenMM + CUDA 全链路已打通

二、完整 AIDD Demo

pdbfixer → OpenMM（GPU）→ mdtraj（特征）

这是一个真实科研流程的最小闭环。

目录结构（建议你照这个来）

text 复制代码

aidd_demo/
├── data/
│   └── protein.pdb
├── md/
│   └── run_md.py
├── features/
│   └── featurize.py
└── results/

pdbfixer：修复 PDB（缺失原子 / 氢）

python 复制代码

# data/fix_pdb.py
from pdbfixer import PDBFixer
from openmm.app import PDBFile

fixer = PDBFixer(filename='protein.pdb')
fixer.findMissingResidues()
fixer.findMissingAtoms()
fixer.addMissingAtoms()
fixer.addMissingHydrogens(pH=7.0)

PDBFile.writeFile(fixer.topology, fixer.positions, open('protein_fixed.pdb', 'w'))
print("PDB fixed")

OpenMM GPU 跑 MD

python 复制代码

# md/run_md.py
from openmm.app import *
from openmm import *
from openmm.unit import *

pdb = PDBFile('../data/protein_fixed.pdb')
forcefield = ForceField('amber14-all.xml', 'amber14/tip3p.xml')

system = forcefield.createSystem(
    pdb.topology,
    nonbondedMethod=PME,
    constraints=HBonds
)

integrator = LangevinIntegrator(300*kelvin, 1/picosecond, 2*femtoseconds)
platform = Platform.getPlatformByName('CUDA')

simulation = Simulation(pdb.topology, system, integrator, platform)
simulation.context.setPositions(pdb.positions)
simulation.minimizeEnergy()

simulation.reporters.append(DCDReporter('../results/traj.dcd', 1000))
simulation.reporters.append(StateDataReporter(
    '../results/log.txt', 1000,
    step=True, potentialEnergy=True, temperature=True
))

simulation.step(10000)
print("MD finished")

mdtraj：提取 AIDD 特征

python 复制代码

# features/featurize.py
import mdtraj as md
import numpy as np

traj = md.load('../results/traj.dcd', top='../data/protein_fixed.pdb')

rmsd = md.rmsd(traj, traj, 0)
rg = md.compute_rg(traj)

features = np.column_stack([rmsd, rg])
np.save('../results/features.npy', features)

print("Features saved:", features.shape)

👉 你现在已经完成：
结构 → 动力学 → 数值特征 → ML 输入

三、OpenMM + PyTorch CUDA 共存方案（不炸环境）

这是很多人翻车的地方，你可以直接用下面方案。

原则（记住这 3 条）

OpenMM 用 conda CUDA（11.8）
PyTorch 用官方 CUDA wheel
不共享 cudatoolkit

安装 PyTorch（在 AIDD 环境里）

powershell 复制代码

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

验证：

python 复制代码

import torch
print(torch.cuda.is_available())
print(torch.cuda.get_device_name(0))

你应看到 RTX 5090。

OpenMM + PyTorch 同时用 GPU（示例）

python 复制代码

import torch
from openmm import Platform

# PyTorch
x = torch.randn(10000, 10000, device='cuda')
print("Torch OK")

# OpenMM
platform = Platform.getPlatformByName("CUDA")
print("OpenMM OK")

这说明你已经是"高阶 AIDD 用户配置"

四、可直接复现实验的项目模板（推荐）

text 复制代码

AIDD_Project/
├── environment.yml
├── data/
├── md/
│   ├── run_md.py
│   └── analyze.py
├── features/
│   └── featurize.py
├── ml/
│   ├── train.py
│   └── model.py
├── results/
└── README.md

`environment.yml`（不锁死版本，兼容型）

yaml 复制代码

name: AIDD
channels:
  - conda-forge
dependencies:
  - python>=3.10
  - openmm
  - cudatoolkit=11.8
  - mdtraj
  - pdbfixer
  - numpy
  - scipy
  - scikit-learn
  - matplotlib
  - seaborn
  - pip
  - pip:
      - torch

README（你以后一定会感谢现在的你）

markdown 复制代码

# AIDD Project

## Environment
conda env create -f environment.yml
conda activate AIDD

## Run MD
python data/fix_pdb.py
python md/run_md.py

## Extract Features
python features/featurize.py

## Train ML
python ml/train.py

Windows + Conda + OpenMM GPU（CUDA）完整安装教程-50显卡系列