[软件安装] Amber24 + AmberTools25 的安装
本文介绍了如何在 Ubuntu 24.04.3 服务器下安装 Amber24 + AmberTools25 的不同版本,具体操作方法如下:
一、下载 Amber24 和 AmberTools25 的源码包并解压
1.1 下载源码包
点击此链接下载 Amber24 + AmberTools25 的源码包 (密码:YYDS)
1.2 解压之前的检查
在终端输入以下代码,对源码包进行检查:
md5sum pmemd24.tar.bz2
md5sum ambertools25.tar.bz2
与Amber官网给出的值进行对比:



1.3 解压源码包
在终端输入以下命令解压两个源码包:
tar xvf pmemd24.tar.bz2
tar xvf ambertools25.tar.bz2

二、下载前置软件
2.1 安装 NVIDIA 驱动
检查计算机中是否识别出了 NVIDIA 的显卡:
lspci | grep -i nvidia

查看可以安装的驱动版本:
ubuntu-drivers devices

安装 NVIDIA 驱动:
方法1:安装指定的版本
sudo apt install nvidia-driver-XXX # XXX 为图中的版本号
方法2:系统自动识别并安装合适版本 (本文选择了这种安装方式)
sudo ubuntu-drivers autoinstall
如果没有提示报错,那么则安装完成,接下来重启计算机
在终端输入 nvidia-smi 出现下面的界面则视为安装成功:

2.2 安装 CUDA Toolkit
根据 nvidia-smi 可知,当前支持的 CUDA 最高版本为 13.0,本文选择下载 12.4 版本的 CUDA
在 NVIDIA 官网选择 12.4.1 版本:

根据下面图片进行选择:

在终端输入以下代码下载 CUDA 12.4.1 的安装包:
wget https://developer.download.nvidia.com/compute/cuda/12.4.1/local_installers/cuda_12.4.1_550.54.15_linux.run
在终端输入以下代码安装:
# 本条命令请在 root 用户下运行
sudo bash cuda_12.4.1_550.54.15_linux.run
因为前面安装过了 NVIDIA 驱动,所以选择 Continue

输入 accept 继续:

因为之前安装过了 NVIDIA 驱动,所以取消选择 Driver (空格取消选择),然后选择 Install 安装:

安装完成后接下来在终端输入以下代码配置环境变量:
vim ~/.bashrc
将下面的代码加在 .bashrc 文件的末尾:
# CUDA
export PATH=/usr/local/cuda-12.4/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-12.4/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
保存退出后,在终端输入以下代码激活:
source ~/.bashrc
在终端输入以下代码检查是否安装成功:
nvcc -V
如下图所示即为安装成功:

2.3 安装 Anaconda3 软件
下载 Anaconda3 安装包:

在终端输入以下代码进行 Anaconda3 的安装:
sudo Anaconda3-2025.06-0-Linux-x86_64.sh
有关 Anaconda3 的安装问题,详见本人的另一篇文章
三、Amber24 和 AmberTools25 的前置工作
3.1 安装 Amber24 和 AmberTools25 必要的包
在终端输入以下命令下载必要的包:
# 按照官网要求安装必要的软件包
sudo apt update
sudo apt upgrade
# 此框中包不可以使用 conda 安装
# 请在 root 用户下进行安装
sudo apt install gcc g++ gfortran tcsh make cmake flex bison patch bc wget xorg-dev libz-dev libbz2-dev

Amber25 手册中 22 页写明了使用 CUDA 的版本规定:

查看 CUDA 和 GCC 版本的对应表,安装与 CUDA 版本匹配的 gcc,g++ 和 gfortran 版本,本文使用 CUDA 12.4 版本进行编译,根据表格可知 CUDA 12.4 对应三者的最高版为 13.2,输入以下命令下载 gcc,g++ 和 gfortran 的 10 版本:

# 此框中包不可以使用 conda 安装
# 请在 root 用户下进行安装
sudo apt install gcc-10 g++-10 gfortran-10

在终端输入以下代码切换 gcc,g++ 和 gfortran 的版本:
# 最后的数字越大,代表优先级越高
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-10 20
sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-10 20
sudo update-alternatives --install /usr/bin/gfortran gfortran /usr/bin/gfortran-10 20

如果想要切换 gcc,g++ 和 gfortran 的版本,在终端输入以下代码:
sudo update-alternatives --config gcc
sudo update-alternatives --config g++
sudo update-alternatives --config gfortran

3.2 配置用于安装 Amber24 的 conda 环境
在终端输入以下代码创建 conda 环境:
# 为 AMBER 创建一个独立的 Python 环境并安装依赖,编译完成后运行 AMBER 时,无需 activate
conda create -n amber24 Python=3.10
conda activate amber24
conda install numpy scipy cython ipython notebook matplotlib setuptools
# (可选)如果需要编译 MPI 并行版本 AMBER
conda install openmpi mpi4py
如果下载过程出现了 TimeError 等有关网络连接的报错,请使用正确的上网方式访问互联网
下载且安装成功后的界面如下图所示:




四、配置 Amber24 的编译选项
在终端输入以下代码进入 Amber24 的 build 文件夹:
cd /home/program/pmemd24_src/build/

根据不同的计算机配置,可以将编译选项分为以下四种:
4.1 安装默认版本
默认版本常规版本仅编译 pmemd,不需要 CUDA 和 MPI,无需编辑 run_cmake 使用默认即可
4.2 安装 CPU 并行版本
CPU 并行版本编译 pmemd / pmemd.MPI ,适用于无 NVIDIA GPU 但需要进行基于 CPU 并行计算的平台。
该版本需要 Python 环境,参考上文 3.2 内容完成配置,进入环境并确认已在环境中安装 MPI (例如 openMPI ):
conda activate amber24
编辑 run_cmake 文件:
vim run_cmake
修改以下代码安装 CPU 并行版本:
# Assume this is Linux:
cmake $AMBER_PREFIX/pmemd24_src \
-DCMAKE_INSTALL_PREFIX=$AMBER_PREFIX/pmemd24 \
-DCOMPILER=GNU \
-DMPI=TRUE -DCUDA=FALSE -DINSTALL_TESTS=TRUE \
-DDOWNLOAD_MINICONDA=FALSE -DBUILD_PYTHON=FALSE \
-DBUILD_PERL=FALSE -DBUILD_GUI=FALSE \
-DPMEMD_ONLY=TRUE -DCHECK_UPDATES=FALSE \
-DPYTHON_INCLUDE_DIR=$(python3 -c "from distutils.sysconfig import get_python_inc; print(get_python_inc())") \
-DPYTHON_LIBRARY=$(python3 -c "import distutils.sysconfig as sysconfig; print(sysconfig.get_config_var('LIBDIR'))") \
2>&1 | tee cmake.log
4.3 安装 CUDA 加速版本
CUDA 加速版本编译 pmemd / pmemd.cuda,适用于大部分带有单、多个 NVIDIA GPU 的计算机或平台,无需安装 MPI。
该版本需要 Python 环境,参考上文 3.2 内容完成配置,进入环境:
conda activate amber24
编辑 run_cmake 文件:
vim run_cmake
修改以下代码安装 CUDA 加速版本:
# Assume this is Linux:
cmake $AMBER_PREFIX/pmemd24_src \
-DCMAKE_INSTALL_PREFIX=$AMBER_PREFIX/pmemd24 \
-DCOMPILER=GNU \
-DMPI=FALSE -DCUDA=TRUE -DINSTALL_TESTS=TRUE \
-DDOWNLOAD_MINICONDA=FALSE -DBUILD_PYTHON=FALSE \
-DBUILD_PERL=FALSE -DBUILD_GUI=FALSE \
-DPMEMD_ONLY=TRUE -DCHECK_UPDATES=FALSE \
-DPYTHON_INCLUDE_DIR=$(python3 -c "from distutils.sysconfig import get_python_inc; print(get_python_inc())") \
-DPYTHON_LIBRARY=$(python3 -c "import distutils.sysconfig as sysconfig; print(sysconfig.get_config_var('LIBDIR'))") \
-DCUDA_TOOLKI_ROOT_DIR=/usr/local/cuda-12.4 \
2>&1 | tee cmake.log
-DCUDA_TOOLKIT_ROOT_DIR 参数为编译器指明 CUDA 的安装目录
4.4 安装 CUDA 加速的并行版本
CUDA 加速的并行版本将编译 pmemd / pmemd.cuda / pmemd.cuda.MPI,适用于配备多 GPU 的计算机或超算平台。
该版本需要 Python 环境,参考上文 3.2 内容完成配置,进入环境并确认已在环境中安装 MPI (例如 openMPI ):
conda activate amber24
编辑 run_cmake 文件:
vim run_cmake
修改以下代码安装 CUDA 加速的并行版本:
# Assume this is Linux:
cmake $AMBER_PREFIX/pmemd24_src \
-DCMAKE_INSTALL_PREFIX=$AMBER_PREFIX/pmemd24 \
-DCOMPILER=GNU \
-DMPI=TRUE -DCUDA=TRUE -DINSTALL_TESTS=TRUE \
-DDOWNLOAD_MINICONDA=FALSE -DBUILD_PYTHON=FALSE \
-DBUILD_PERL=FALSE -DBUILD_GUI=FALSE \
-DPMEMD_ONLY=TRUE -DCHECK_UPDATES=FALSE \
-DPYTHON_INCLUDE_DIR=$(python3 -c "from distutils.sysconfig import get_python_inc; print(get_python_inc())") \
-DPYTHON_LIBRARY=$(python3 -c "import distutils.sysconfig as sysconfig; print(sysconfig.get_config_var('LIBDIR'))") \
-DCUDA_TOOLKI_ROOT_DIR=/usr/local/cuda-12.4 \
2>&1 | tee cmake.log
五、构建、编译并安装 Amber24
在终端中输入以下命令进行 Amber24 的构建:
sudo ./run_cmake
等待构建完成后出现下图所示:

然后在终端输入以下代码进行编译:
# 12 为并行编译使用的核心数 可自行调整
make install -j 12
本文使用的 CPU 为 i9-14900KF 使用 12 个核心,整个过程大概 8 min 左右,编译完成后如下图所示:

如果整个过程没有报错,那么返回至 program 文件夹,进入 pmemd24 文件夹,内容如下所示:

进入 bin 文件夹,内容如下所示:

在终端输入以下代码配置环境变量:
vim ~/.bashrc
将下面的代码加在 .bashrc 文件的末尾:
# Amber24
source /home/program/pmemd24/amber.sh
保存退出后,在终端输入以下代码激活:
source ~/.bashrc
在终端输入以下代码检查是否安装成功:
pmemd --version
pmemd.cuda --version
成功则如下图所示:

最后,对于 AmberTools25 的构建、编译和安装,步骤与上述基本一致,只需把所有 pmemd24 字样替换为 ambertools25 ,并把第四节的 - DPMEMD_ONLY 参数设置为 FALSE 即可。
六、参考
参考 1:https://zhuanlan.zhihu.com/p/666826404
参考 2:https://blog.youkuaiyun.com/weixin_45936544/article/details/134240717
1881

被折叠的 条评论
为什么被折叠?



