GROMACS 2026 Beta 异构集群完全部署手册（5090可用）

lihui_cbdd2026-01-25 8:14

GROMACS 2026 Beta 异构集群完全部署手册

环境 : Ubuntu 22.04 LTS
硬件:

  • Node A: RTX 4090 (Driver 555 / CUDA 12.5)
  • Node B: RTX 5090 (Driver 590 / CUDA 13.1)

核心策略 :
问题: 驱动版本不一致导致 CUDA toolkit 选型困境
解决方案:

编译器选择: 使用 CUDA 12.5（照顾 4090 的驱动上限）

GPU 架构策略:

编译 sm_89（4090 原生机器码）

同时保留 compute_89 PTX（供 5090 驱动 JIT 编译）

运行时行为:

4090 节点：直接执行 sm_89 机器码（零开销）

5090 节点：驱动自动将 PTX 翻译为 sm_100 指令（首次启动稍慢，后续运行接近原生）

1. 目录准备

请以 root 身份执行。我们将所有源码放在 /public/software/sources，安装在 /public/software。

bash 复制代码 
# 定义环境变量方便后续操作
export SOFT_ROOT=/public/software
export SRC_DIR=/public/sourcecode

2. 编译 GCC 11.4.0 (地基)

耗时预警: 30-60 分钟

GROMACS 2026 需要良好的 C++17/20 支持。手动编译 GCC 11 可以保证所有节点的运行库一致。

2.1 下载与解压

bash 复制代码 
cd $SRC_DIR
wget http://ftp.gnu.org/gnu/gcc/gcc-11.4.0/gcc-11.4.0.tar.gz
tar -xvf gcc-11.4.0.tar.gz
cd gcc-11.4.0

# 运行脚本自动下载依赖 (gmp, mpfr, mpc)
./contrib/download_prerequisites

2.2 编译安装

bash 复制代码 
mkdir build && cd build

# 配置 (禁用 multilib 以减少错误，指定安装路径)
../configure --prefix=/public/software/gcc-11.4.0 --enable-languages=c,c++,fortran --disable-multilib --disable-bootstrap --disable-libsanitizer

# 编译 (使用 8 核)
make -j 8 2>&1 | tee full_build.log
make install

2.3 配置 GCC Module

新建文件 /public/software/modules/modulefiles/gcc/11.4.0：

tcl 复制代码 
#%Module1.0

proc ModulesHelp {} {
        global version modroot
        puts stdout "\t loads GCC 11.4.0\n"
}

module-whatis   "GCC 11.4.0"

set VERSION 11.4.0
set GCC_DIR /public/software/gcc-11.4.0

prepend-path    PATH               $GCC_DIR/bin
prepend-path    LD_LIBRARY_PATH    $GCC_DIR/lib64
prepend-path    LD_LIBRARY_PATH    $GCC_DIR/lib
prepend-path    MANPATH            $GCC_DIR/share/man
prepend-path    C_INCLUDE_PATH     $GCC_DIR/include
prepend-path    CPLUS_INCLUDE_PATH $GCC_DIR/include


if [ module-info mode load ] {
    system echo "GCC 11.4.0 is loaded"
}
if [ module-info mode switch2 ] {
        system echo "GCC 11.4.0 is loaded"
}
if [ module-info mode remove ] {
        system echo "GCC 11.4.0 is unloaded"
}

3. 编译 cmake

cmake官方有预编译二进制包以及自己基于gcc编译的两个版本。本文为了方便直接使用了官方的预编译包

bash 复制代码 
# 1. 下载官方二进制包 (注意是 cmake-4.2.2)
cd /public/sourcecode
wget https://github.com/Kitware/CMake/releases/download/v4.2.2/cmake-4.2.2-linux-x86_64.tar.gz

# 3. 解压
tar -xvf cmake-4.2.2-linux-x86_64.tar.gz

# 4. 部署
# 注意：解压后的目录结构可能略有不同，我们确保 bin, share 目录移动到位
mv cmake-4.2.2-linux-x86_64 /public/software/cmake4.2.2

加入module

bash 复制代码 
#%Module1.0

proc ModulesHelp {} {
        global version modroot
        puts stdout "\t loads CMAKE 4.2.2\n"
}

module-whatis   "CMAKE 4.2.2"

set VERSION 4.2.2
set CMAKE_DIR /public/software/cmake4.2.2

prepend-path    PATH               $CMAKE_DIR/bin
prepend-path    LD_LIBRARY_PATH    $CMAKE_DIR/share
prepend-path    CMAKE_ROOT         $CMAKE_DIR


if [ module-info mode load ] {
    system echo "Cmake 4.2.2 is loaded"
}
if [ module-info mode switch2 ] {
        system echo "Cmake 4.2.2 is loaded"
}
if [ module-info mode remove ] {
        system echo "Cmake 4.2.2 is unloaded"
}

4. 编译 OpenMPI 5.0.5

依赖: GCC 11 + CUDA 12.5

我们需要 MPI 支持 CUDA-aware 功能。

4.1 加载环境

bash 复制代码 
# 加载刚才装的 GCC 和系统 CUDA
module load GNU/11.4.0
module load CUDA/12.5.0

4.2 下载与编译

bash 复制代码 
cd $SRC_DIR
wget https://download.open-mpi.org/release/open-mpi/v5.0/openmpi-5.0.5.tar.gz
tar -zxvf openmpi-5.0.5.tar.gz
cd openmpi-5.0.5
./configure --prefix=/public/software/openmpi5.0.5_gcc11.4 --with-slurm
make -j 8
make install

4.3 配置 OpenMPI Module

新建文件 /public/software/modules/modulefiles/openmpi/5.0.5_gcc11.4：

tcl 复制代码 
#%Module1.0

proc ModulesHelp {} {
        global version modroot
        puts stdout "\t loads openmpi 5.0.5\n"
}

module-whatis   "openmpi 5.0.5"

conflict openmpi

set VERSION 5.0.5
set OPENMPI_DIR /public/software/openmpi5.0.5_gcc11.4

prepend-path    PATH               $OPENMPI_DIR/bin
prepend-path    LD_LIBRARY_PATH    $OPENMPI_DIR/lib


if [ module-info mode load ] {
    system echo "OPENMPI 5.0.5 is loaded"
}
if [ module-info mode switch2 ] {
        system echo "OPENMPI 5.0.5 is loaded"
}
if [ module-info mode remove ] {
        system echo "OPENMPI 5.0.5 is unloaded"
}

5. 编译 FFTW 3.3.10 (单精度 AVX512)

依赖: GCC 11

GROMACS 默认使用单精度 (float) 计算，且极度依赖 AVX512 指令集。

5.1 下载与编译

bash 复制代码 
module load gcc/11.4.0

cd $SRC_DIR
wget http://www.fftw.org/fftw-3.3.10.tar.gz
tar -zxvf fftw-3.3.10.tar.gz
cd fftw-3.3.10

# 关键参数: --enable-float (单精度), AVX512 (加速)
./configure --prefix=/public/software/fftw3.3.10_gcc11.4 --enable-float --enable-threads --enable-sse2 --enable-avx --enable-avx2 --enable-avx512 --enable-shared CC=gcc F77=gfortran

make -j 8
make install

5.2 配置 FFTW Module

新建文件 /public/software/modules/modulefiles/fftw/3.3.10_gcc11.4：

tcl 复制代码 
#%Module1.0

proc ModulesHelp {} {
        global version modroot
        puts stdout "\t loads fftw 3.3.10 \n"
}

module-whatis   "FFTW 3.3.10"

set VERSION 3.3.10
set FFTW_DIR /public/software/fftw3.3.10_gcc11.4

prepend-path    PATH               ${FFTW_DIR}/bin
prepend-path    LD_LIBRARY_PATH    ${FFTW_DIR}/lib


if [ module-info mode load ] {
    system echo "fftw 3.3.10 is loaded"
}
if [ module-info mode switch2 ] {
        system echo "fftw 3.3.10 is loaded"
}
if [ module-info mode remove ] {
        system echo "fftw 3.3.10 is unloaded"
}

6. 部署 LibTorch (AI 势能核心)

无需编译，但需下载正确版本

6.1 下载

我们将使用 LibTorch 2.4.0 (CUDA 12.4) 版本。注意必须是 cxx11 ABI。

bash 复制代码 
cd $SRC_DIR
# 下载
wget https://download.pytorch.org/libtorch/cu124/libtorch-cxx11-abi-shared-with-deps-2.4.0%2Bcu124.zip

# 解压
unzip libtorch-cxx11-abi-shared-with-deps-*.zip

#转移到对应目录
mkdir lib
mv libtorch ./lib
mv lib /public/software

7. 编译 GROMACS 2026 Beta

这是最后一步，整合所有依赖。

7.1 准备环境

bash 复制代码 
# 清空环境
module purge

# 加载我们刚做好的 module
module load GNU/11.4.0
module load CUDA/12.5.0
module load openmpi/5.0.5_gcc11.4
module load fftw/3.3.10_gcc11.4
module load cmake/4.2.2

# 检查 cmake 版本 (需要 3.20+)
cmake --version

7.2 源码下载与配置

bash 复制代码 
cd $SRC_DIR
# 克隆源码
git clone https://gitlab.com/gromacs/gromacs.git gromacs-2026-beta
cd gromacs-2026-beta
mkdir build
cd build

# CMake 命令 (请直接复制)
cmake .. \
    -DCMAKE_INSTALL_PREFIX=/public/software/gromacs-2026-beta \
    -DCMAKE_C_COMPILER=gcc \
    -DCMAKE_CXX_COMPILER=mpicxx \
    -DCMAKE_BUILD_TYPE=Release \
    \
    -DGMX_MPI=ON \
    -DGMX_OPENMP=ON \
    -DGMX_GPU=CUDA \
    -DCUDA_TOOLKIT_ROOT_DIR=/public/software/cuda-12.5.0 \
    \
    -DGMX_CUDA_TARGET_SM="89" \
    -DCMAKE_CUDA_FLAGS="-gencode arch=compute_89,code=compute_89" \
    \
    -DGMX_FFT_LIBRARY=fftw3 \
    -DFFTWF_LIBRARY=/public/software/fftw3.3.10_gcc11.4/lib/libfftw3f.so \
    -DFFTWF_INCLUDE_DIR=/public/software/fftw3.3.10_gcc11.4/include \
    \
    -DGMX_TORCH=ON \
    -DTorch_DIR=/public/software/lib/libtorch/share/cmake/Torch
    \
    -DGMX_EXTERNAL_LAPACK=ON \
    -DGMX_SIMD=AVX2_256 \
    -DGMX_BUILD_OWN_FFTW=OFF \ 
    -DGMX_THREAD_MPI=OFF \
    -DBUILD_SHARED_LIBS=ON \
    -DREGRESSIONTEST_DOWNLOAD=OFF

关键参数再次说明:

  • GMX_CUDA_TARGET_SM="89": 仅编译 4090 机器码。
  • code=compute_89: 生成 PTX 中间代码。这是让 5090 (Blackwell 架构) 能运行 4090 代码的关键！

7.3 编译安装

bash 复制代码 
make -j 8
make install

7.4 最终 GROMACS Module

新建文件 /public/software/modules/modulefiles/gromacs/2026-beta：

tcl 复制代码 
#%Module1.0

proc ModulesHelp {} {
        global version modroot
        puts stdout "\t loads CUDA/12.5.0\n loads openmpi/5.0.5_gcc11.4\n load GNU/11.4.0\n"
}

module-whatis   "GROMACS 2026-beta"

conflict CUDA
conflict GNU 
conflict openmpi
conflict cmake
conflict fftw

set VERSION 2026-beta
set CUDA_DIR /public/software/cuda-12.5.0
set OPENMPI_DIR /public/software/openmpi5.0.5_gcc11.4
set GCC_DIR /public/software/gcc-11.4.0
set FFTW_DIR /public/software/fftw3.3.10_gcc11.4
set GROMACS_DIR /public/software/gromacs-2026-beta
set OPENBLAS_DIR /public/software/openblas-0.3.28

prepend-path    PATH               $GCC_DIR/bin
prepend-path    LD_LIBRARY_PATH    $GCC_DIR/lib64
prepend-path    LD_LIBRARY_PATH    $GCC_DIR/lib
prepend-path    MANPATH            $GCC_DIR/share/man
prepend-path    C_INCLUDE_PATH     $GCC_DIR/include
prepend-path    CPLUS_INCLUDE_PATH $GCC_DIR/include
prepend-path    C_INCLUDE_PATH     ${CUDA_DIR}/include
prepend-path    CPLUS_INCLUDE_PATH ${CUDA_DIR}/include
prepend-path    CXX_INCLUDE_PATH   ${CUDA_DIR}/include
prepend-path    PATH               ${CUDA_DIR}/bin
prepend-path    LD_LIBRARY_PATH    ${CUDA_DIR}/lib64
prepend-path    PATH               $OPENMPI_DIR/bin
prepend-path    LD_LIBRARY_PATH    $OPENMPI_DIR/lib
prepend-path    PATH               ${FFTW_DIR}/bin
prepend-path    LD_LIBRARY_PATH    ${FFTW_DIR}/lib
prepend-path    PATH               $GROMACS_DIR/bin  
prepend-path    LD_LIBRARY_PATH    $GROMACS_DIR/lib  
prepend-path    MANPATH            $GROMACS_DIR/share/man 
prepend-path    LD_LIBRARY_PATH    $OPENBLAS_DIR/lib


if {[file exist /public/software/gromacs-2026-beta/bin/GMXRC.bash]} {  
    system /public/software/gromacs-2026-beta/bin/GMXRC.bash  
} 

if [ module-info mode load ] {
    system echo "GROMACS 2026-beta is loaded"
}
if [ module-info mode switch2 ] {
        system echo "GROMACS 2026-beta is loaded"
}
if [ module-info mode remove ] {
        system echo "GROMACS 2026-beta is unloaded"
}

8. 使用验证

在 5090 节点上验证：

bash 复制代码 
module load gromacs/2026-beta
gmx_mpi --version

应该看到 CUDA driver: 13.1，CUDA runtime: 12.5。这是正常的异构状态。

相关推荐
groundhappy3 小时前
idalib安装和codex ida-mcp配置
linux·开发语言·python
通信小小昕3 小时前
Ubuntu 26.04 中文输入法安装
linux·运维·ubuntu
张小姐的猫5 小时前
【Linux】网络编程 —— HTTP协议（上）
linux·运维·服务器·网络·http·单例模式·策略模式
栩栩云生5 小时前
AI 写代码犯的错，早被写进了错题集
linux·安全·ai编程
imc.116 小时前
linux基础IO
linux·运维·服务器
BelongPanda8 小时前
Linux Nginx 纯手动 Let‘s Encrypt 泛域名证书配置教程
linux·nginx
酷可达拉斯8 小时前
Linux操作系统-shell编程(0)
linux·运维·服务器·python·云计算
2301_777998348 小时前
Linux中断机制：操作系统如何高效运行
linux·运维·服务器
yunwei379 小时前
eBPF 教程：检查 exec 后真正安装的可执行镜像
linux·开源
笑锝没心没肺9 小时前
yum update 报错：GPG key retrieval failed: [Errno 14] HTTPS Error 404 - Not Found
linux·运维·服务器
热门推荐
012026年7月AI圈大地震：GPT-5.6被政府限制、Claude入驻Slack、Anthropic自研芯片02GitHub 镜像站点03如何新建文件夹？ 电脑新建文件夹的4种方法04AI科技热点日报 | 2026年07月01日05幻兽帕鲁 - 服务器管理员权限与 GM 命令完全指南06国内可直接用、免费额度/永久免费的大模型API清单（含 SiliconFlow、火山、阿里、智谱、百度、Kimi、DeepSeek、DMXAPI 等）072026 国产 AI 大模型横评：DeepSeek、通义千问、Kimi、文心一言、星火、豆包谁更能打？08AI 编程 IDE 全景解析 2026：Agent 全面接管开发链路092026 年 AI 大模型 & AI 编程工具实战全总结10Kimi K3 真实体验：全网评价整理，优缺点一次性说清楚