尽管如此，GPU已经不是什么新奇的东西了，仅仅通过大幅提高MD引擎的速度来实现更多的科学已经不可能了。在过去的几年里，Acellera的研发团队专注于新的挑战，具有更高的直接影响，如机器学习，使用自适应采样和马尔科夫状态模型处理高通量分子模拟的HTMD，以及最后的PlayMolecule，一个分子发现的基础设施。

在ACEMD的引领下，许多MD应用开始适应GPU，现在很难找到没有GPU功能的流行MD软件。其中OpenMM是一个诞生于2008年的开源项目，它是一个最小但通用的C++框架，通过简单的Python API就可以获得高性能的GPU加速MD能力，吸引了来自学术界的开发者和用户。与ACEMD一样，OpenMM在设计和实现时也考虑到了GPU计算，并最终在功能上超越了Acellera的软件，最近在性能上也超越了Acellera的软件。

2017年，Acellera做出了拥抱OpenMM的决定，并开始使用OpenMM C++后台的几个部分开发下一代ACEMD，就像已经使用CUDA库进行FFT一样。2019年，Acellera发布了ACEMD v3，它将之前的ACEMD代码库与OpenMM内核合并。其中，这让ACEMD获得了多线程CPU支持，并可能获得更多的功能。在2020年的前几个月，Acellera已经提交了一个pull请求，将ACEMD多时间步长集成器集成到OpenMM中，这个功能目前让ACEMD的速度提升了10%。其他的开源贡献也会很快出现。

OpenMM和ACEMD在几个方面仍然是不同的。ACEMD是一个简单的、独立的MD可执行文件，而不是一个库。OpenMM提供了一个低级分子模拟能力库（力场项、积分器、恒温器等），而ACEMD则依靠Python框架HTMD和力场工具来构建、管理和分析模拟。ACEMD注重稳定性、可靠性、性能、易用性和专业支持，类似于RedHat为Linux提供商业软件包。ACEMD也有自己的附加测试和与Accellera开发的其他工具的集成。

 联合合作项目

2020年5月27日得益于Chan Zuckerberg Initiative(CZI)为期一年的种子拨款，Acellera将与OpenMM的首席开发人员Peter Eastman，斯坦福大学的Tom Markland一起加入OpenMM开发团队。该赠款旨在支持OpenMM的持续发展，以更好地服务于其广泛的生物分子建模社区，并扩展其以集成机器学习以实现基因组规模的生物分子建模，模拟和预测。Acellera的合作项目旨在确保美国国立卫生研究院（National Institutes of Health）为OpenMM提供长期，可持续的联邦资助，该提议于本年初提交年。

CZI科学负责人科里·巴格曼（Cori Bargmann）说：“每天有数十万科学家使用开源软件来进行他们的研究。” “科学家应该拥有更好的工具，通过支持开源项目来满足这一需求，这些项目将推动生物医学科学发展并促进对关键软件的更多访问。”

CZI的“科学必不可少的开源软件”计划的这一系列新的为期一年的拨款旨在支持对生物医学研究必不可少的开源软件项目，从而实现软件维护，增长，开发和社区参与。开源软件对于现代科学研究，促进生物学和医学发展，同时提供可再现性和透明性至关重要。但是，即使使用最广泛的研究软件也常常缺乏专门的资金。

Acellera计算科学实验室（University Pompeu Fabra）负责人兼首席执行官/ CSO的Gianni De Fabritiis教授认为“这是前进的道路。通过共同努力，我们可以拥有分子模拟领域最大的开发团队之一，并有实力应对未来最具挑战性的研究项目，从而使ACEMD和OpenMM对研究界极为有用。”

https://www.acellera.com/md-simulation-blog-news/

http://gainstrong.net/works/hudong/2019-04-15/113.html

http://gainstrong.net/works/hudong/2019-03-04/112.html

http://gainstrong.net/works/hudong/

https://software.acellera.com/docs/latest/acemd3/