从微观到介观：MCE SIG突破算力瓶颈的DPD算子已开源，化工行业深入介观尺度，持续完善AI+科学计算能力

作者：张强豪（@zhangqianghao）

指导：黄剑兴（@huangjianxing）

1、为什么需要DPD？——从微观到介观的跨越

分子动力学（MD）模拟在原子尺度（纳米级）已趋于成熟，但化工工业面临的真实问题往往发生在介观尺度（微米至毫米级）：

• 高分子熔体流动：原子级MD模拟10⁶个原子已是极限，而实际注塑成型涉及10¹²个粒子

• 胶体自组装：纳米颗粒在溶液中的聚集行为，模拟时长需达毫秒级，远超MD能力范围

• 多相流界面：油水两相的界面张力与相分离，需要更大空间尺度与更长时间尺度

耗散粒子动力学（Dissipative Particle Dynamics, DPD）应运而生——它通过"粗粒化"将原子团簇为单个DPD粒子，以介观尺度描述流体行为，计算效率提升数个量级。

方法	空间尺度	时间尺度	典型应用
量子力学（DFT）	Å（埃）	fs（飞秒）	电子结构、反应机理
分子动力学（MD）	nm（纳米）	ns（纳秒）	分子构象、吸附行为
DPD	μm（微米）	μs（微秒）	流体流动、相分离、自组装

2、核心挑战：DPD的算力瓶颈

DPD看似简化了模型，实则对计算架构提出独特挑战：

2.1长程作用与短程约束并存

• 保守力（Conservative Force）：类似MD的短程相互作用，需邻居列表

• 耗散力（Dissipative Force）：与相对速度成正比，需实时计算速度差

• 随机力（Random Force）：满足涨落耗散定理，需高质量随机数生成

三种力耦合计算，传统实现需三次遍历邻居列表，内存访问模式复杂。

2.2温度控制与能量守恒矛盾

DPD通过随机力与耗散力的平衡维持恒温，但传统速度-Verlet积分器存在能量漂移问题。需采用修正的积分算法（如Shardlow分裂算法或DPD-VV方案），在并行环境下保持热力学正确性。

2.3复杂流体的多组分交互

实际化工流体往往是多组分体系（聚合物+溶剂+添加剂），不同组分间的作用参数（χ参数）差异大，导致负载不均衡，异构芯片并行效率受限。

3、DPD算子技术架构：昇腾原生优化

MCE SIG发布的DPD算子，针对上述挑战进行昇腾NPU深度优化。

3.1三力融合计算：单次邻居遍历

传统实现：

• 遍历邻居 → 计算保守力 → 写回

• 遍历邻居 → 计算耗散力 → 写回

• 遍历邻居 → 计算随机力 → 写回 昇腾优化方案：

• 单次遍历：一次读取邻居列表，UB内完成三种力计算

• 随机数流式生成：采用Tausworthe算法硬件友好实现，避免全局随机数表

• 力向量融合写回：三种力累加后一次性写回，减少片上内存访问

优化项	传统实现	昇腾DPD算子	提升
邻居遍历次数	3次	1次	3倍↓
随机数生成延迟	全局查表	流式生成	消除同步
HBM写回次数	3次/粒子	1次/粒子	3倍↓

3.2修正积分器：能量守恒保证

实现Shardlow分裂算法的Ascend C优化版本：

• 将耗散-随机力配对更新与保守力更新分离

• 利用Cube Core加速速度差计算

• 确保温度控制精度（目标温度±0.5%以内）

3.3多组分负载均衡

• 按DPD粒子数（而非组分）均匀分配至AI Core

• 组分参数（a_ij、γ、σ）常量内存缓存，减少重复读取

• 支持最多10种组分，覆盖大多数化工流体配方

4、验证数据

4.1物理正确性验证

测试案例	理论预期	模拟结果	偏差
纯DPD流体状态方程	ρ=3, a=25, kT=1时，P≈23.3	P=23.1±0.2	<1%
泊肃叶流动速度剖面	抛物线分布	抛物线拟合R²=0.998	符合
二元混合相分离	临界χ参数下自发相分离	观察到清晰界面	符合

4.2性能基准

粒子数	时间步长	CPU (Intel Xeon)	昇腾NPU	加速比
10,000	0.01τ	45.2 s/1000步	1.8 s/1000步	25x
50,000	0.01τ	312.5 s/1000步	5.2 s/1000步	60x
100,000	0.01τ	892.0 s/1000步	8.9 s/1000步	100x

测试环境：Atlas A2训练卡，CANN 8.0，DPD-VV积分器，3D周期边界

规模效应：粒子数越大，邻居列表构建开销占比降低，NPU并行优势越明显，稳定实现百级加速。

5、应用场景

领域	具体场景	DPD算子价值
聚合物加工	注塑成型充填模拟	预测熔体前沿、气泡缺陷，优化模具设计
涂料油墨	溶剂挥发与成膜	模拟粒子迁移、相分离，控制涂层均匀性
油田化学	驱油剂配方优化	模拟表面活性剂胶束结构，提高采收率
药物递送	脂质体载药释放	模拟载体在血流中的变形与药物释放动力学
食品工业	乳液稳定性预测	模拟油水界面行为，优化乳化剂配方

6、立即体验

DPD算子已完整开源，包含：

Ascend C内核源码：三力融合计算与Shardlow积分器实现

Python接口：与HOOMD-blue/ESPResSo风格的易用API

验证案例：泊肃叶流、相分离、胶束自组装三个标准算例

性能基准脚本：复现百级加速测试

代码仓地址：

mat-chem-sim-pred/scientific-computing/Dissipative_particle_dynamics/README.md-代码预览-mat-chem-sim-pred:基于 CANN 计算框架的化工行业专用算子库项目 - AtomGit | GitCode

7、关于Material Chemical Engineering SIG

作为CANN社区首个面向流程工业的垂直SIG，MCE SIG致力于构建"机理+数据"双轮驱动的领域计算层。继LJForceFused（微观MD）后，DPD算子（介观）的发布标志着多尺度模拟工具链的初步成型。下一步将推进：

• 宏观CFD算子：与DPD衔接的连续介质流动模拟

• 多尺度耦合框架：微观-介观-宏观的跨尺度信息传递

诚挚邀请化工、材料、能源领域的开发者、科研工作者与企业伙伴加入Material Chemical Engineering SIG，共建开源行业算子库！

联系邮箱：mce-owner@cann.osinfra.cn