分子动力学（Molecular Dynamics,MD）是一种在微观领域中对特定体系的原子运动进行仿真的科研方法。在材料、生化、医疗、能源等众多领域中,MD在获得原子尺度乃至宏观的性质方面起着关键的作用。已有研究表明,要进行准确且高效的MD模拟,面临着两个挑战:一是对势能面进行准确建模;二是MD算法的数学求解过程非常复杂,现有计算机无法承担其高额的计算开销。因此,推广高性能的计算方法对MD界具有重大意义和深远影响。近年来,基于神经网络的MD（Neural Network-based MD,NNMD）计算方法的出现,有效解决了一直以来精度与速度之间两难的问题,但其计算速度仍然受限于现有架构的存算效率。由于专用集成电路（Application-Specific Integrated Circuit,ASIC）具有高速度、低功耗、高可靠性等特点,本文主要针对MD计算面临的瓶颈,使用ASIC技术来实现MD计算的硬件加速。本研究从NNMD算法的原理出发,提出了一种基于非冯诺依曼（Non von-Neumann,Nv N）架构的MD计算芯片设计方法,该架构具有高精度、高速度的特点。主要的工作内容包括:1)设计了针对低维体系的MD计算系统,对其中计算密集度最高的部分设计了一种高效的Nv N计算架构,包括高性能乘累加阵列、激活函数单元以及数据定点化表示。通过实验对比,该架构在满足MD计算精度的同时,通过消耗有限的逻辑资源,实现超越基于第一性原理的MD（ab-initio MD,AIMD）计算方法7个数量级的提速,以及超越NNMD方法4个数量级的提速。2)设计了针对高维体系的MD计算系统,遵循1)的核心思路,针对高维体系特征求取的特点,设计了一种适合于硬件实现的特征求取电路。同时针对体系复杂度的提升,提出了高效的存储方案和模块间信号流方案。通过实验对比,该架构在满足MD计算精度的同时,通过消耗百万量级的门单元,实现超越AIMD方法8个数量级的提速,以及超越NNMD方法4个数量级的提速。3)针对原子数众多的大规模体系,提出了一种普适性的高度并行化MD计算芯片架构,依照1)、2)以及现有集成电路工艺条件分析,该架构的可延展性好,并且计算的速度优势明显。