OpenMM分子动力学模拟02 安装：Linux：conda 一条命令装通 GPU 加速的分子模拟环境

摘要：一条 conda 命令装好 OpenMM 并验证四平台。本章按官方安装路径复刻加本机实测踩坑------镜像超时、PYTHONPATH 污染、CUDA 版本与驱动匹配、环境 CUDA 漂移，并给出装完后验证 GPU 真被用上的方法。

关键字 ：OpenMM安装、conda、Linux、CUDA、GPU驱动、testInstallation、PYTHONPATH、环境配置

【官方来源】docs.openmm.org User Guide §2.2 Installing OpenMM

【Linux 实测】Ubuntu 22.04 / conda-forge OpenMM 8.5.2 / 消费级 GPU（12 GB 显存） / 驱动 580.178.04（支持到 CUDA 13.0）

注：本章安装验证时环境 conda 解析的 CUDA 运行时为 12.9（≤ 驱动支持版，正常）；环境 CUDA 版本以安装时 conda 实际解析为准，全文各章实测均以当时环境如实记录

1. 官方安装路径（两条）

【官方来源】原文要点：

OpenMM 用 pip 或 conda 安装。最简单的 conda 来自 Miniconda。源码编译也行，但很少人需要。

前提（官方原文逐条）：

装 64 位 Python 3.x 的 Miniconda
想跑 GPU 的话先装厂商最新驱动：
- NVIDIA ：https://www.nvidia.com/Download/index.aspx 下载最新驱动。CUDA 本体不用手装------安装 openmm 时自动带上
- AMD（Linux/Windows）：装最新驱动 + HIP/ROCm（https://rocm.docs.amd.com）
- macOS：OpenCL 系统自带（10.10.3+）

路径 A：conda（本机用的）

【官方来源】

bash 复制代码

conda install -c conda-forge openmm

新版 conda（≥4.8.4）会自动装"驱动支持的最新 CUDA 版本"的编译版。也可以钉死 CUDA 版本：

bash 复制代码

conda install -c conda-forge openmm cuda-version=12

（12 换成你要的 CUDA 版本，官方为 CUDA 12 及以上出包。不同 CUDA 版本互不二进制兼容。）

路径 B：pip

【官方来源】

bash 复制代码

pip install openmm

默认只含 OpenCL + CPU + Reference 三平台。要 CUDA 平台（有 NVIDIA 卡推荐装）：

bash 复制代码

pip install openmm[cuda12]

cuda13 也有。AMD 用户用 hip6 / hip7：

bash 复制代码

pip install openmm[hip6]

2. 官方验证命令

【官方来源】

bash 复制代码

python -m openmm.testInstallation

官方说明：确认 OpenMM 已装好、检查 GPU 加速是否可用（CUDA/OpenCL/HIP 平台）、验证所有平台给出一致结果。

【Linux 实测】Ubuntu 22.04 + 消费级 GPU 上运行结果（节选）：

复制代码

OpenMM Version: 8.5.2
Git Revision: ...

There are 4 Platforms available:

    1 Reference - Successfully computed forces
    2 CPU - Successfully computed forces
    3 CUDA - Successfully computed forces
    4 OpenCL - Successfully computed forces

Median difference in forces between platforms:

    Reference vs. CPU: 6.3214e-06
    Reference vs. CUDA: 6.7468e-05
    Reference vs. OpenCL: 6.7875e-05

All differences are within tolerance.  Platform tests have passed.

四个平台全部通过、力差异在容差内 = 安装成功。

3. 【Linux 实测】完整安装记录（含踩坑）

实际执行的命令

bash 复制代码

# 1. 建环境（本机为避免镜像干扰加了 --override-channels）
conda create -n openmm python=3.11 -y --override-channels -c conda-forge

# 2. 安装 OpenMM
conda install -n openmm --override-channels -c conda-forge openmm -y

# 3. 验证
~/anaconda3/envs/openmm/bin/python -m openmm.testInstallation

【踩坑 1】清华镜像 HTTP 超时

.condarc 配了国内镜像时，conda create 可能连不上。两种解法：

bash 复制代码

# 解法 A：单次绕过（推荐，不动全局配置）
conda create -n openmm python=3.11 --override-channels -c conda-forge -y

# 解法 B：临时禁用代理（如果你挂着代理）

【踩坑 2】Hermes/IDE 的 PYTHONPATH 污染

在 agent 沙箱或某些 IDE 里跑 conda env 的 python，PYTHONPATH 会被注入别的 Python 版本的 site-packages，造成 .so 二进制不匹配（典型报错 cannot import name '_imaging' from 'PIL' 或 numpy ABI 冲突）。解法：

bash 复制代码

env -u PYTHONPATH ~/anaconda3/envs/openmm/bin/python your_script.py

普通终端不受影响。

【踩坑 3】CUDA 版本与驱动匹配

conda-forge 的 openmm 包自带 CUDA 运行时，不用单独装 cudatoolkit。但注意：

bash 复制代码

nvidia-smi   # 右上角 CUDA Version 显示驱动最高支持的 CUDA 版本（本机 580.178.04 → 13.0）

openmm 编译的 CUDA 版本 ≤ 驱动支持版本即可（本机装的是 12.9 编译版，13.0 驱动下正常跑）。若装了不兼容版本，testInstallation 里 CUDA 平台会失败或干脆不出现------此时按官方写法钉版本重装：conda install -c conda-forge openmm cuda-version=12。

【实测新坑·环境 CUDA 漂移】 （本系列写作后期真实发生）往环境里装其他 CUDA 生态包（如 openmm-torch）时，conda 可能连带把 cuda-version 升到比驱动新的版本 ------本机环境曾从 12.9 漂到 13.3（> 驱动 13.0），症状是 testInstallation 通过但跑 kernel 时报 CUDA_ERROR_UNSUPPORTED_PTX_VERSION 。修法：conda install -c conda-forge cuda-version=13.0 钉回（或钉回你原来在用的版本）。纪律：装完任何 CUDA 相关包都重验 kernel 真跑（第 04 章三步验证法）。

常用生态包安装（本系列实测配置）

第 15 章五插件 + 分析库的本机安装版本（全部 conda-forge 一条命令路线）：

bash 复制代码

conda install -n openmm -c conda-forge openmmtools openmm-plumed openmmforcefields \
                                openmm-torch openmm-ml matplotlib -y

【Linux 实测终态】openmm 8.5.2 + openmmtools 0.26.0 + openmm-plumed 2.1 +

openmmforcefields 0.15.1 + openmm-torch 1.5.1（cpu build）+ openmm-ml 1.5 + pytorch 2.10（CPU）；

环境 CUDA 运行时经上面漂移事故后钉为 13.0（装插件前是 12.9，两者 kernel 均正常）。

openmm-torch 的 CUDA 变体 （cuda130py311 build）在 conda-forge 与 py311 pin 反复解算失败

（详见第 15 章实测记录）------CPU 版 TorchForce/MLPotential 功能完整，仅 ML 势无 GPU 加速；

ML 重度用户可开独立环境专门装 CUDA 栈。

4. 安装后检查 GPU 是否真被用上

【Linux 实测】三种确认方式：

python 复制代码

# 方式 1：列出平台
import openmm as mm
for i in range(mm.Platform.getNumPlatforms()):
    p = mm.Platform.getPlatform(i)
    print(p.getName(), p.getSpeed())
# 有 CUDA 字样 = CUDA 平台在

# 方式 2：跑模拟时看 nvidia-smi
# 另开终端: watch -n1 nvidia-smi
# python 进程出现在进程列表 + 显存占用 = 真在用 GPU

# 方式 3：指定平台名（写错会报错，能过 = 平台存在）
platform = mm.Platform.getPlatform('CUDA')

5. 环境管理速查

bash 复制代码

conda activate openmm            # 激活
conda deactivate                 # 退出
conda remove -n openmm --all     # 删环境
conda list -n openmm openmm      # 看装的版本

下一篇：03 · 安装

系列导航 ：本专栏 分子动力学模拟-OpenMM（35 章大百科：官方 User Guide / Tutorials / Cookbook / examples 全覆盖）

我的专栏

蛋白 / 抗体 / 多肽 / 核酸	分子模拟 / 动力学 / 对接	药物 / 设计 / 案例	AI / Agent / 大模型
开源蛋白结构预测	分子模拟基础	小分子药物设计案例	AI Agent系列
开源蛋白生成方法实践	分子动力学模拟-Amber	蛋白药物设计案例	化学大模型
开源多肽设计模型	分子动力学模拟-Gromacs	多肽药物设计案例	《AI Agent原理与实战》
开源多肽性质预测	分子动力学模拟-OpenMM	开源小分子生成设计	CADD中的机器学习模型
DNA/RNA药物设计	結合自由能	开源药代动力学软件	高效计算配置
siRNA药物设计模型	UCSF DOCK系列	我胡师兄说药
ASO药物设计模型	rDock系列 LeDock系列 gnina系列