随着计算机技术和集成电路技术的发展,作为图形处理器的GPU(Graphics Processing Unit)现已发展成为专为密集型、高度并行的计算而设计的CPU的协处理器,用以完成大规模的计算任务。另一方面,MD(Molecular Dynamics)作为一种离散模拟方法,通过对大量模拟分子的运动进行定量和定性的分析,从而得出模拟体系的各种性质,现已被广泛应用于物理、化学、生物、材料、医学等各个领域。但其庞大的计算量制约着研究的发展。因此本文基于CUDA(Computer Unified Device Architecture)技术利用GPU完成液态金属凝固过程中的分子动力学模拟具有重要理论和实际意义。在液态金属凝固过程中,模拟体系中包含的原子数越多,模拟结果越精确,观察到的微观性质越多,越能预测事物的发展趋势,进而对具体生产提供指导。本文首先对GPU并行计算和分子动力学模拟方法进行了分析。在此基础上,对传统的分子动力学空间分解方法进行改进,使之与GPU计算架构相适应,提出一种细粒度空间算法,缩小任务计算粒度,充分利用GPU内大量的处理核。应用细粒度空间分解法,对分子动力学模拟中最耗时的部分(近邻原子表的更新以及作用力的计算)给出并行计算模型,对基于GPU的分子动力学并行算法进行分析,并通过在NVIDIA Tesla M2050 GPU上进行实现,将模拟系统的规模扩大到10 000 000原子。此外,针对并行模型的计算性能做了一系列的测试和评估,包括:采用不同的CUDA精度(单精度和双精度);采用不同型号的GPU(NVIDIA 480GTX,580GTX和M2050);采用不同规模的CPU集群。将这些测试结果进行对比,测试结果表明:对于不同规模的模拟体系,基于GPU的计算相对于相应的串行计算而言带来了 9-11倍的加速效果;相对于CPU集群(包含16个CPU处理核),GPU获得了 1.5-2个加速比。基于分子动力学模拟结果,采用不同的物理结构分析方法对其进行物理模拟实验。首先,采用双体分布函数对模拟结果值与理论实验值进行比较,结果表明两者之间很吻合。另外,通过原子团簇结构模型还观察到了宏观材料中更完整的原子团簇结构信息,比如大规模的液态金属凝固过程中纳米团簇的形成过程,以及不同的成核演化机制等。