GROMACS 安装：Windows（WSL2）、Linux 与 GPU 版编译常见问题

# Ubuntu 24.04（含 WSL2 中的 Ubuntu 24.04）；22.04 的 apt cmake 是 3.22，需先用 pip install cmake 升级
sudo apt update
sudo apt install -y build-essential cmake wget perl

wget https://ftp.gromacs.org/gromacs/gromacs-2026.4.tar.gz
tar xfz gromacs-2026.4.tar.gz
cd gromacs-2026.4
mkdir build && cd build

cmake .. \
  -DGMX_BUILD_OWN_FFTW=ON \
  -DREGRESSIONTEST_DOWNLOAD=ON \
  -DCMAKE_INSTALL_PREFIX=$HOME/opt/gromacs-2026.4

make -j $(nproc)
make check
make install
echo 'source $HOME/opt/gromacs-2026.4/bin/GMXRC' >> ~/.bashrc
source $HOME/opt/gromacs-2026.4/bin/GMXRC
gmx --version

# 前提：nvcc 可用（nvcc --version），nvidia-smi 能看到显卡
export PATH=/usr/local/cuda-12.9/bin:$PATH

cd gromacs-2026.4
mkdir build-cuda && cd build-cuda

# CMAKE_CUDA_ARCHITECTURES 填显卡计算能力去掉小数点：
# RTX 20/T4=75, A100=80, RTX 30/A40=86, RTX 40/L40=89, H100=90, RTX 50=120
# 不写则按 50..120 中 nvcc 支持的架构全部编译，编译更慢、二进制更大
cmake .. \
  -DGMX_GPU=CUDA \
  -DCUDAToolkit_ROOT=/usr/local/cuda-12.9 \
  -DCMAKE_CUDA_ARCHITECTURES=89 \
  -DGMX_BUILD_OWN_FFTW=ON \
  -DREGRESSIONTEST_DOWNLOAD=ON \
  -DCMAKE_INSTALL_PREFIX=$HOME/opt/gromacs-2026.4-cuda

make -j $(nproc)
make check
make install
source $HOME/opt/gromacs-2026.4-cuda/bin/GMXRC
gmx --version | grep -E "GPU support|CUDA targets|CUDA driver|CUDA runtime|SIMD"

# 服务器无法访问 fftw.org 或 ftp.gromacs.org 时，先在别处下载这两个文件再传上去
#   http://www.fftw.org/fftw-3.3.10.tar.gz
#   https://ftp.gromacs.org/regressiontests/regressiontests-2026.4.tar.gz
tar xfz regressiontests-2026.4.tar.gz -C $HOME/src

cmake .. \
  -DGMX_GPU=CUDA \
  -DGMX_BUILD_OWN_FFTW=ON \
  -DGMX_BUILD_OWN_FFTW_URL=$HOME/src/fftw-3.3.10.tar.gz \
  -DREGRESSIONTEST_PATH=$HOME/src/regressiontests-2026.4 \
  -DCMAKE_INSTALL_PREFIX=$HOME/opt/gromacs-2026.4-cuda

# Windows PowerShell（管理员）
wsl --install -d Ubuntu-24.04
wsl --update

# 可选：%UserProfile%\.wslconfig，修改后执行 wsl --shutdown 再进入
# [wsl2]
# memory=16GB
# processors=8

# 在 WSL 的 Ubuntu 中执行；先确认 Windows 驱动已透传
nvidia-smi

wget https://developer.download.nvidia.com/compute/cuda/repos/wsl-ubuntu/x86_64/cuda-keyring_1.1-1_all.deb
sudo dpkg -i cuda-keyring_1.1-1_all.deb
sudo apt-get update
# 只装 toolkit 元包；不要装 cuda、cuda-12-9 或 cuda-drivers，它们会带入 Linux 驱动
sudo apt-get install -y cuda-toolkit-12-9

echo 'export PATH=/usr/local/cuda-12.9/bin:$PATH' >> ~/.bashrc
source ~/.bashrc
nvcc --version

# 源码和 build 目录放在 Linux 文件系统，不要放 /mnt/c
mkdir -p ~/src && cd ~/src

# 只适用于 linux-64（含 WSL2）。CUDA 构建要求驱动支持 CUDA 12.9
conda create -n gmx -c conda-forge "gromacs=2026.3=nompi_cuda*"
conda activate gmx
gmx --version | grep -E "GPU support|SIMD"

# CPU/OpenCL 构建
# conda create -n gmx-cpu -c conda-forge "gromacs=2026.3=nompi_h*"

# ~/.condarc（TUNA 帮助页给出的 conda-forge 写法；改完先 conda clean -i）
# channels:
#   - conda-forge
#   - nodefaults
# show_channel_urls: true
# custom_channels:
#   conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
conda clean -i
conda create -n gmx -c conda-forge "gromacs=2026.3=nompi_cuda*"

# 用 mamba 时改用 mirrored_channels
# channels:
#   - conda-forge
# mirrored_channels:
#   conda-forge:
#     - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge

# 源码编译时用 pip 升级 CMake（需要 ≥ 3.28）
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple "cmake>=3.28"

# 只看失败项
make check 2>&1 | tee check.log
grep -A40 "tests FAILED" check.log

# 1. 排除 GPU 因素：CPU 通过而 GPU 超时，多半是 GPU 被其他进程占用
GMX_DISABLE_GPU_DETECTION=1 make check

# 2. 多 GPU 机器只让测试看到一张卡
CUDA_VISIBLE_DEVICES=0 make check

# 3. 慢机器或 WSL 中超时：放宽超时倍数后重新配置
cmake .. -DGMX_TEST_TIMEOUT_FACTOR=3 && make check

# 4. 单独重跑某个测试，看完整输出
ctest -R MdrunTests --output-on-failure

mkdir -p ~/gmx-gpu-test && cd ~/gmx-gpu-test

# 5 nm 立方水盒子，约 4000 个 SPC/E 水分子
gmx solvate -cs spc216.gro -box 5 5 5 -o water.gro
cat > topol.top <<'EOF'
#include "oplsaa.ff/forcefield.itp"
#include "oplsaa.ff/spce.itp"

[ system ]
SPC/E water box

[ molecules ]
EOF
echo "SOL $(grep -c OW water.gro)" >> topol.top

cat > em.mdp <<'EOF'
integrator    = steep
emtol         = 1000
nsteps        = 5000
cutoff-scheme = Verlet
coulombtype   = PME
rcoulomb      = 1.0
rvdw          = 1.0
EOF

cat > md.mdp <<'EOF'
integrator     = md
dt             = 0.002
nsteps         = 25000
cutoff-scheme  = Verlet
coulombtype    = PME
rcoulomb       = 1.0
rvdw           = 1.0
tcoupl         = V-rescale
tc-grps        = System
tau-t          = 0.1
ref-t          = 300
gen-vel        = yes
gen-temp       = 300
constraints    = h-bonds
nstcalcenergy  = 100
nstenergy      = 1000
nstlog         = 5000
EOF

gmx grompp -f em.mdp -c water.gro -p topol.top -o em.tpr
gmx mdrun -s em.tpr -c em.gro -g em.log
gmx grompp -f md.mdp -c em.gro -p topol.top -o md.tpr

# 显式写 gpu：GPU 不可用时直接报错，不会静默回退到 CPU
gmx mdrun -s md.tpr -g md.log -nb gpu -pme gpu -update gpu -ntmpi 1

grep -A2 "Mapping of GPU IDs" md.log
grep -E "PP task|PME tasks" md.log
grep "Performance:" md.log

  GPU info:
    Number of GPUs detected: 1
    #0: NVIDIA NVIDIA GeForce RTX 4090, compute cap.: 8.9, ECC:  no, stat: compatible

1 GPU selected for this run.
Mapping of GPU IDs to the 2 GPU tasks in the 1 rank on this node:
  PP:0,PME:0
PP tasks will do non-perturbed short-ranged interactions on the GPU
PP task will update and constrain coordinates on the GPU
PME tasks will do all aspects on the GPU

# 1. 编译 PLUMED（与 GROMACS 无先后要求）
wget https://github.com/plumed/plumed2/releases/download/v2.10.1/plumed-2.10.1.tgz
tar xzf plumed-2.10.1.tgz && cd plumed-2.10.1
./configure --prefix=$HOME/opt/plumed-2.10.1
make -j $(nproc) && make install

# 2. GROMACS 2025/2026 编译时强制启用接口（AUTO 找不到 dlopen 时只打印一条 STATUS 信息并关闭接口，ON 会直接报错）
cmake .. -DGMX_GPU=CUDA -DGMX_USE_PLUMED=ON -DGMX_BUILD_OWN_FFTW=ON
gmx --version | grep -i plumed

# 3. 运行时指定内核库。PLUMED 实际文件名是 libplumedKernel.so（小写 p）
export PLUMED_KERNEL=$HOME/opt/plumed-2.10.1/lib/libplumedKernel.so
gmx mdrun -s md.tpr -plumed plumed.dat -ntmpi 1