分子对接是在药物发现过程中一种被广泛使用的计算方法。它通过计算机模拟的方式在受体蛋白质的结合位点中对类药小分子进行姿态定位、评分、排名,以选择出优先用于后续实验测试的化合物,这一过筛选过程将极大地提高后续实验的成功率从而减少时间和经济成本,因此计算机模拟分子对接在药物设计与研发流程中作用重大。在新药研发过程中,对某一特定受体可能需要在数十亿类药小分子中搜索较优的小分子及其与受体蛋白结合的姿态。因此,大规模虚拟药物筛选中的模拟分子对接过程是一个关键但又十分耗时的过程。UCSF DOCK3.7是使用最广泛的分子对接应用之一。本文以UCSF DOCK3.7为例在“神威·太湖之光”超级计算机上对其进行了深入且系统全面的移植、重构与优化,使其能够在合理的时间内高效处理数十亿乃至上百亿小分子,加速药物筛选流程。首先,本文构建了一种适合于大规模分子筛选的高性能分子数据库。为提高数据扩展性,本文设计了新的数据组织方式、存储模式和压缩方案。本文提出了一种新的二进制文件格式,以取代原有配体存储使用的mol2db2文件格式,并采用xzip方式替换原有的gzip方式来压缩配体文件。实验表明,新的文件格式可以显著缩短文件I/O时间,而xzip的压缩方式可以节省大量存储空间,有利于降低超大规模分子筛选时的I/O与初始化瓶颈,降低数据存储对空间的需求从而降低数据库存储成本。其次,本文给出了能充分利用申威国产异构处理器算力的并行模式与算法优化实现。对此,本文采用了“生产者-消费者”模式的主从协同策略,该策略可以将文件I/O和初始化阶段与从核计算相互掩盖,可以达到良好的均衡负载实现较高的性能;本文还给出了适合分子对接算法的高效访存模式设计与实现:采用融合计算核心和循环的策略,以及压缩内存使用的方法,以将数据存储在可以快速访问的从核本地设备存储器（LDM）中,以便高效地对配体小分子与受体结合时可能的姿态进行评分;本文还提出了许多基于申威体系结构的优化,例如实现异步数据传输和计算向量化,以充分利用SW26010处理器性能;本文还对分子对接算法进行了逻辑优化与实现。对于确定配体与受体所有可能的结合姿态部分,本文提出了一种优化算法来避免产生相似的冗余结合姿态,在不损失任何精度和正确性的情况下,降低算法复杂度,从根本上减少计算量和访存总量。对评分部分的算法进行了优化实现,减少访存总量与数据交互量。算法的优化使得程序性能获得了大幅提升。最后,本文设计实现了面向超大规模拓展性的高可扩展通用分布式并行框架。设计了基于双层调度策略任务分配和调度框架,极大的降低了 MPI通信瓶颈,充分利用超算平台的聚合I/O带宽,使优化后的应用可以高效地在下一代神威超级计算机的数十万个异构核心上进行扩展。实验表明,通过使用本文所提出的各项优化策略可以在SW26010单核组上实现167倍的加速比。与Intel（R）Core（TM）i9-10900K CPU的单核心相比,优化后的程序在SW26010单核组上实现了 13倍的加速比。在新一代神威超级计算机上,优化后的SW-DOCK可以以90%以上的拓展效率高效扩展到近20万个核心上,实现了高性能高可扩展的超大规模分子对接算法。