Если вы в основном считаете молекулярную динамику, вкладывайтесь в видеокарту NVIDIA с запасом видеопамяти, а процессор берите средний. Если основная работа связана с квантовой химией (Gaussian, ORCA), всё наоборот: нужны много ядер, много оперативной памяти и быстрый NVMe под scratch, а видеокарта почти ничего не решает. При смешанных задачах бюджет делится примерно поровну, но начинать стоит с того пакета, который съедает больше всего машинного времени.
Почему MD и квантовая химия требуют разного железа
Молекулярная динамика повторяет одни и те же операции для огромного числа атомов на каждом шаге. Такие вычисления хорошо параллелятся и почти идеально ложатся на GPU. Современные версии GROMACS переносят на видеокарту нековалентные взаимодействия, PME и даже интегрирование. AMBER в режиме pmemd.cuda считает практически целиком на GPU, а NAMD 3 умеет работать в GPU-resident режиме. Процессор в этих сценариях в основном подаёт данные.
Квантовая химия устроена иначе. ORCA считает только на CPU через MPI. Gaussian поддерживает ускорение на GPU лишь для части методов и ограниченного списка карт, поэтому на практике это тоже процессорный пакет. Плюс методы вроде MP2 или CCSD(T) требуют много памяти и активно пишут промежуточные данные на диск. Здесь решают ядра, объём ОЗУ и скорость scratch-накопителя.
Python с NumPy, MDAnalysis или RDKit редко бывает узким местом, но анализ большой траектории целиком в памяти легко съедает десятки гигабайт. Это стоит учитывать при выборе объёма ОЗУ.
Процессор: сколько ядер нужно на самом деле
Под GPU-ориентированную MD хватает 8–12 быстрых ядер на одну видеокарту. GROMACS всё ещё использует CPU для части задач, и слишком слабый процессор начнёт тормозить даже мощную карту, но 32 ядра здесь окупаются плохо. Исключение: если вы запускаете несколько независимых симуляций параллельно на нескольких GPU, ядер нужно соответственно больше.
Для квантовой химии ядра конвертируются в скорость почти напрямую, пока хватает памяти. Тут важна связка «объём ОЗУ на ядро». В ORCA параметр %maxcore задаётся на каждый процесс, и 16 ядер при 32 ГБ памяти означают всего 2 ГБ на процесс. Для DFT на средних молекулах этого хватит, для коррелированных методов уже нет. Расчёт либо упадёт, либо будет постоянно сбрасываться на диск.
Если MD считается на CPU (старые версии пакетов, специфические силовые поля, нет подходящей карты), на первый план выходит пропускная способность памяти на ядро. У настольного Ryzen два канала DDR5 на 16 ядер, у Threadripper или Xeon W каналов в разы больше. На CPU-нагрузках, упирающихся в память, разница между платформами заметно больше, чем можно ожидать по числу ядер.
Видеокарта: когда CUDA даёт кратный прирост
Для GROMACS, AMBER, NAMD и OpenMM видеокарта NVIDIA даёт кратное ускорение относительно процессора той же ценовой категории. Эти пакеты считают в смешанной точности, поэтому игровые GeForce подходят без оговорок. Многие группы годами работают на картах уровня RTX 4070–4090 и не видят смысла переплачивать за профессиональную линейку.
Ускорение пропадает в трёх случаях:
- пакет не поддерживает GPU для нужного метода, как ORCA или большая часть Gaussian;
- код требует двойной точности (FP64), а у GeForce она урезана в разы относительно FP32;
- система маленькая, карта не загружена, и время уходит на обмен с процессором.
Для квантово-химических кодов с поддержкой GPU, которым нужна FP64, игровая карта бесполезна, нужен ускоритель с полноценной двойной точностью. Перед покупкой проверьте в документации своего пакета, какую точность он использует.
Объём видеопамяти важнее, чем кажется. Для MD типичных белковых систем хватает 12–16 ГБ, а больше нужно при крупных комплексах, мембранах и параллельных прогонах на одной карте. Под задачи машинного обучения (нейросетевые потенциалы, докинг с ML-оценкой) 16 ГБ становятся нижней границей.
Оперативная память: объём и вопрос ECC
Ориентиры по объёму я бы дал такие:
| Задачи | Объём ОЗУ | Комментарий |
|---|---|---|
| MD на GPU, анализ траекторий | 32–64 ГБ | Основная нагрузка в видеопамяти, ОЗУ нужна для анализа |
| DFT на средних молекулах | 64–128 ГБ | Считайте 4–8 ГБ на ядро |
| Коррелированные методы, крупные базисы | 128–512 ГБ | Нужна платформа с большим числом слотов |
ECC исправляет одиночные ошибки памяти. На коротких расчётах вероятность сбоя мала, а при прогоне на неделю с 256 ГБ памяти один перевёрнутый бит может тихо испортить результат или уронить задачу на пятые сутки. Для серьёзных прогонов и публикационных данных я бы брал ECC. Платформа AM5 поддерживает небуферизованную ECC-память на части материнских плат, а Threadripper PRO и Xeon W работают с регистровой ECC. Для студенческой машины под MD на GPU обычная DDR5 вполне допустима.
Накопители: траектории растут быстрее, чем кажется
Одна микросекундная симуляция с частым сохранением кадров легко занимает десятки гигабайт, а проект из десятка реплик забивает диск за месяц. Квантовая химия, наоборот, создаёт огромные временные файлы, которые живут, пока идёт расчёт.
Минимальная разумная схема:
- Системный NVMe под ОС и софт, 1 ТБ.
- Отдельный быстрый NVMe под scratch и текущие расчёты, от 2 ТБ. Если он умрёт от износа, система останется жива.
- Ёмкий диск или массив под архив траекторий. HDD здесь уместен, скорость доступа к завершённым данным не критична.
Для scratch-диска смотрите на ресурс записи (TBW), а не на пиковую скорость из рекламы. Резервную копию архива держите вне станции: на сервере кафедры или на внешнем хранилище.
Охлаждение и шум: расчёт идёт сутками
Игровой ПК нагружается рывками, а расчётная станция работает под 100% неделями. Если процессор или видеокарта уходят в троттлинг, вы теряете скорость молча: задача не падает, просто нс/сутки становятся меньше. Я видел машины, которые после часа прогрева теряли заметную долю производительности из-за тесного корпуса.
Что нужно на практике: корпус с нормальным продувом и сетчатой передней панелью, башенный кулер высокого класса или СЖО на 360 мм для старших процессоров, блок питания с запасом мощности 30–40% от пикового потребления. Если станция стоит в комнате, где работают люди, закладывайте тихие вентиляторы и настройку кривых оборотов. Шумная машина под столом через месяц начинает раздражать сильнее, чем медленный расчёт.
Три конфигурации под разный бюджет
Студенческая
Ryzen 7 текущего поколения, 64 ГБ DDR5, видеокарта уровня RTX 5060 Ti 16 ГБ или RTX 5070, NVMe 1 ТБ + 2 ТБ. Подходит для MD на системах до средних размеров, DFT на небольших молекулах и анализа данных в Python. Хороший вариант для аспиранта, который считает на кластере, а локально готовит системы и отлаживает протоколы.
Рабочая группа
Старший Ryzen 9 на 16 ядер, 128 ГБ памяти (желательно ECC), видеокарта уровня RTX 5080 или RTX 5090, два NVMe по 2 ТБ и HDD под архив. Такая машина тянет параллельные прогоны MD и серьёзную DFT. Для двух видеокарт на AM5 не хватит линий PCIe и места, это уже следующий класс.
Серьёзные прогоны
Threadripper PRO или Xeon W, 256–512 ГБ регистровой ECC, две и более видеокарт или профессиональная карта с большим объёмом памяти, RAID из NVMe под scratch. Здесь окупается многоканальная память и запас слотов под расширение. Готовые варианты такого класса собраны в разделе рабочих станций, а если нужна конфигурация попроще, загляните в общий каталог.
Как проверить стабильность до первого реального прогона
Новую станцию я гоняю минимум сутки, прежде чем доверить ей рабочие данные:
- Memtest86 на всю память, хотя бы несколько полных проходов. Ошибки памяти в расчётах проявляются самым неприятным образом.
- Нагрузка на CPU через y-cruncher, Prime95 или OCCT на несколько часов.
- Нагрузка на GPU через gpu-burn или OCCT, в Linux параллельно смотрите
nvidia-smiна частоты и температуру. - Реальный тест в своём пакете: стандартная система в GROMACS на несколько часов. Сравните нс/сутки в первые минуты и через три часа. Если цифра заметно упала, где-то троттлинг.
Температуры отслеживайте через sensors в Linux или HWiNFO в Windows. Кстати, большинство расчётных пакетов лучше чувствуют себя под Linux, и ставить систему стоит сразу. Если не хочется возиться с тестами и настройкой, это можно поручить нам через сервисные услуги.
Типичные ошибки при покупке
Свежая видеокарта без проверки поддержки. Новые поколения NVIDIA требуют свежих версий CUDA, а старая сборка GROMACS или AMBER, к которой привязан протокол лаборатории, может просто не увидеть карту. Перед покупкой проверьте, какую минимальную версию CUDA требует карта и есть ли ваш пакет под неё.
Экономия на памяти. Два модуля вместо четырёх или 32 ГБ «пока хватит» под квантовую химию означают, что через полгода придётся менять всё. Если планируете рост, берите плату с запасом слотов и модули большого объёма.
Игровой блок питания впритык. Пиковые скачки потребления у старших видеокарт при круглосуточной нагрузке выявляют слабый блок быстрее любого теста.
Подбор под игры. Наш подборщик ПК удобен, чтобы оценить уровень видеокарты и цену, но для расчётов поправьте выбор в сторону памяти и дисков.
Частые вопросы
Можно ли считать на AMD Radeon?
GROMACS поддерживает AMD через SYCL/HIP, OpenMM тоже, но экосистема CUDA намного шире. Если у вас нет конкретной причины выбирать AMD, берите NVIDIA.
Ноутбук вместо станции?
Для подготовки систем и анализа годится. Для многодневных прогонов нет: мобильное охлаждение не рассчитано на постоянную полную нагрузку.
Профессиональная карта или GeForce?
Для MD почти всегда GeForce. Профессиональная карта нужна ради большого объёма видеопамяти, ECC на GPU или FP64.
Актуальные сборки для этих задач
Цены и наличие актуальны на 11 ноября 2026 года. Комплектующие можно поменять: базовая конфигурация правится в конфигураторе, а полный список сборок лежит в разделе каталог рабочих станций.
| Сборка | Процессор | Видеокарта | Память | Цена |
|---|---|---|---|---|
| PRO D7 | Ultra 9 285K | RTX 5090 32 GB | A-Data XPG 64GB DDR5 | 1 370 000 ₽ |
| PRO D5 | Ultra 7 265K | RTX 5090 32 GB | A-Data XPG 48GB DDR5 | 1 300 000 ₽ |
| PRO R7 | R9 9950X | RTX 5090 32 GB | A-Data XPG 64GB DDR5 | 980 000 ₽ |
| PRO R5 | R9 9950X | RTX 5080 16 GB | A-Data XPG 32GB DDR5 | 430 000 ₽ |
Технические требования к ПО и данные производителей: Документация GROMACS, ORCA: руководство.
Коротко
- MD (GROMACS, AMBER, NAMD) упирается в видеокарту NVIDIA, квантовая химия (ORCA, Gaussian) упирается в ядра, память и диск.
- Для ORCA считайте память на ядро: 4–8 ГБ на процесс для DFT, больше для коррелированных методов.
- Scratch держите на отдельном NVMe с хорошим ресурсом, архив траекторий на ёмком диске с резервной копией.
- ECC нужна для недельных прогонов и больших объёмов памяти, в студенческой машине без неё можно обойтись.
- Перед реальными расчётами прогоните Memtest86, стресс-тесты и собственный бенчмарк в пакете с контролем нс/сутки.
