1957年，在加州大學利弗莫爾實驗室工作的物理學家Berni Alder，一直思索著一個問題：硬球體（分子）系統在各種條件下會呈現出怎樣的行為？
這個問題在當時頗有爭議，主流觀點認為，固體由于分子之間有吸引力的相互作用而存在，即晶格中原子的規則排列就是使能量最小化的構型，盡管有些理論和方法如蒙特卡洛模擬提出了質疑，但并沒有給出有說服力的證明。而Alder早年求學時建立起來的計算視角，似乎順理成章地將他引入了一個全新的研究路徑：分子動力學方法（Molecular Dynamics，MD）。
這一年，Alder和他的同事Thomas Wainwright，在IBM 704計算機上模擬了硬球體系統中的碰撞序列以及系統隨時間推移發生的狀態變化，發現隨著硬球體系統的壓縮，它們經歷了從液體到固體的轉變。他們證明了硬球分子之間并沒有吸引力，所以凍結會導致系統熵的最大化而非能量最小化，晶體中球體的規則排列比液體具有更大的移動空間。
硬球流體的相互作用
這被業內認為是首次使用計算機成功模擬多粒子系統動力學的嘗試。
當時的算力條件遠比不上今天，但這項工作為后續物理學、生物學和化學等領域的研究開辟了新的路徑。這些領域的科學家們一直在尋求從物質的微觀結構洞察其宏觀物理性質的高效研究工具，基于計算模擬的分子動力學正是為了這個需求而誕生。
分子動力學：粒子運動的「顯微鏡」
分子動力學的基本思想源于牛頓時代，即只要已知系統組分的初始條件和相互作用力，就能通過計算來預測整個系統的行為。
簡單概括一下，分子動力學的計算模擬過程，就是按照一定規則為模擬對象（各種粒子）賦予初始位置和速度，讓其遵循力學規律運動。然后計算出粒子在每個時間步長的運動狀態，得到原子和分子在模擬系統中的運動軌跡、相對位置和能量轉化等豐富的信息。依據這些信息，研究人員就可以分析體系的動力學行為、熱力學性質等，進而解釋和預測物質的各種宏觀特性。
計算模擬如今是除了理論和實驗之外的第三種主要研究手段，也是分子動力學方法的核心優勢。分子動力學也因此兼具理論和實驗的雙重性質，一方面，它可以做預測，為實驗提供可能性和可行性的理論分析；另一方面，它也可以做解釋，通過模擬解釋實驗現象、探討過程機理等。
經過幾十年的發展，分子動力學模擬技術逐漸成熟，從最初的小尺度簡單模型模擬能力，升級到能夠模擬大尺度復雜模型，成為許多領域不可或缺的科研利器。
例如，在生物化學領域，該方法可以用來復制和預測生物分子如蛋白質的折疊和對接，揭示生命的奧秘；在材料領域，利用分子動力學可以模擬材料在特定環境下的性質、相變過程和穩定性，從而發現高性能的新材料。
分子動力學被發明后的很長一段時間內，登上各領域頂級刊物的研究論文可謂碩果累累，但回顧起來會發現，這門技術在產業落地方面卻很少見比較亮眼的成績。其實，在算法探索方面，分子動力學方法已經走得比較遠了，最大的瓶頸就在于計算效率。
而究其原因，分子動力學的核心優勢，同時也是導致它計算效率低下的局限性所在。
持續多年的計算效率難題
這要如何理解呢？
我們知道，與其他的分子模擬方法如蒙特卡洛方法顯著不同的是，分子動力學引入了時間這一重要維度，可以計算粒子系統隨時間推移而發生的動態性質演化，模擬的質量也更高。
與此同時，分子動力學的痛點也在于時間。為了能夠與自然過程的動力學相匹配，我們想要的模擬時間跨度當然是要足夠長的，這樣才能從模擬中得出在統計學上有效的結論，如果模擬時間過短，就無異于僅通過觀察一個不完整的腳步就聲稱得出了人類如何行走的結論。
但現實的難題是，計算機的算力有限，需要對模擬體系的大小、時間步長和總持續時間的選擇加以限制，以便計算任務可以在合理的時間內完成，當計算資源受限時，必須縮小模擬體系規?；蚩s短體系的演化時間，否則模擬效果就會大打折扣。如果要對于大體系（數十萬上百萬量級）進行計算模擬，就只能在模擬速度和模擬質量之間做出取舍了。一般來說，現有超級計算機每天能夠實現的大體系分子動力學模擬時長，幾乎都是在皮秒到納秒的時間尺度。
這無疑是攔在分子動力學技術邁向產業落地的路上的一堵高墻。
拿藥物研發行業舉例，一直以來，分子動力學技術都難以成為科研人員選取的主流研究方法，這是因為要想研究藥物小分子的結構和性質，模擬的時長至少也需要到微秒級別（可能還不夠），即便是每天模擬10納秒的高性能計算機，都需要100天的時間才能模擬1微秒的蛋白動態構象，而為了找到合適的藥物分子結構，需要模擬的分子數量至少也是成百上千的，因此如果硬是要靠分子動力學來取代傳統實驗的篩選，完全是天方夜譚中的天方夜譚。分子動力學模擬要想真正步入新藥研發的產業應用，至少還需要三四個數量級的加速，人們普遍認為這需要好幾個代際的軟硬件效率革命，等上幾十年都不為過。
誰曾想，分子動力學發展歷史上的一位傳奇人物的登場，直接掀起了一場顛覆性的計算效率革命。
David E. Shaw，這位叱咤金融量化領域多年的大牛，在他人生的五十歲之際，毅然轉身投入到生物計算的事業中，帶領一群頂尖的技術人才，于2007年發明出了分子動力學模擬加速專用超級計算機——Anton（安騰）。
它能夠以3-4個數量級的加速比更快地計算模擬更大體系規模、更長模擬時長的生物大分子運動，將分子模擬從納秒時代帶入了微秒甚至毫秒時代。
超算安騰：為加速分子動力學模擬而生
事實上，為了適應各領域計算密集型任務的需求，超級計算機最早在70年代就出現了，后來的Frontier（前沿）等世界最快超算設備也都算力驚人，能夠在極短的時間內處理龐大的數據和復雜的計算任務。
但論針對分子動力學模擬的計算任務，通用型超算卻遠比不上安騰，安騰的實測計算效率比Frontier還要快至少幾十倍以上！這是因為安騰的設計初衷只有一個，那就是為了專門加速分子動力學模擬計算。
超級計算機安騰（Anton）圖片來源 D.E Shaw Research
從硬件上的芯片、主板和布線，到配套的動力學模擬軟件，David E. Shaw團隊都做了特殊定制。具體來說，超算安騰有兩大突出的創新：
一是采用深度定制的ASIC芯片，可以針對性地執行分子動力學模擬中最消耗算力的任務模塊如分子之間相互作用力的計算，為其提供硬件算法上的優化，同時由于這類任務屬于通訊密集型，每個節點需要執行的運算并不復雜，對單個計算單元的計算能力要求也就沒那么高，所以安騰并沒有使用其他并行計算硬件中常見的緩存，而是把更多的硅片面積留給通信和計算性能和優化。
二是在通信網絡方面，為了滿足分子動力學模擬的快速大規模并行計算需求，安騰將整個服務器緊密排列在一個正方體機箱中，這樣就可以降低網絡的傳輸距離，提高節點間通訊效率。
經過如此強大設計的超算安騰一問世，就成了生物計算領域當之無愧的最強王者，破解了多年來分子動力學模擬的計算效率難題。隨之而來的，就是分子動力學終于不再局限于學術研究的范疇，而是真正實現了大規模的產業化應用，尤其是在藥物研發行業顯示了巨大的市場潛力。
正是在超算安騰的幫助下，美國的一個年輕公司Relay Therapeutics在2016年成功確定了一款用于治療膽管癌的抑制劑藥物RLY-4008的結構，Relay利用安騰重塑了新藥研發的技術手段，把獲取對蛋白質靶點的認識從過去基于靜態圖轉變為基于蛋白質運動的動態影像，這被他們稱為“基于運動的藥物設計”（Motion Based Drug DesignTM，MBDD）。
Relay提出的MBDD范式 圖片來源 Relay官方
在這種新范式下，這款新藥的發現僅僅花費了18個月、不到1億美金，極大地縮短了從藥物發現到臨床前研究過程中90%的投入時間與成本，打破了藥物研發行業的“雙十”魔咒。
回到1950年代，Alder和Wainwright曾在布魯塞爾的統計力學大會上，報告了他們關于使用分子動力學模擬多體系統的研究論文。論文中，他們不僅第一次令人信服地向人們展示了分子動力學的技術價值，而且還特別對這門技術的未來做了暢想：更強大的計算設備將帶來更大的可能性。
五十年后的超算安騰，就是對這一舊時預測的完美注腳，也必定會是將來分子動力學發展的重要路徑指引。在生物計算和藥物研發之外，更多運用分子動力學技術的科學領域，正呼喚著類似安騰這樣的專用超級計算機，以創造更多產業落地的可能性。
