Amber24 安装指南：Ubuntu 22.04 + CUDA 12.4 环境

DrugOne

Amber

Amber 是一个用于分子动力学（molecular dynamics, MD）模拟的软件包，主要用于生物大分子（例如蛋白质、核酸、脂质等）的模拟。研究人员可借助 Amber 探究分子的结构与运动，例如蛋白质折叠或配体结合等生物过程。这个软件已有超过 20 年历史，最近我重做了一次 Amber 的安装过程。

这次安装中有一些新的选项（比如 GPU 支持或用 Miniconda 的设置）是当年不存在的。总体上来说安装还算顺利，但中间遇到了一些小坑，有必要记录下来。

这里不涉及有偿编译器、MPI、InfiniBand 等复杂配置，重点只是启用 GPU（CUDA）选项。

安装 NVIDIA 驱动

可以参照以下步骤安装 NVIDIA 驱动。

在文件 /etc/modprobe.d/blacklist-nouveau.conf 中写入：

blacklist nouveau  
options nouveau modeset=0

然后运行：

sudo update-initramfs -u
sudo reboot

重启后，安装 NVIDIA 驱动：

ubuntu-drivers devices

# 会显示推荐的驱动版本，比如 “recommended” 字样

# 我在我的环境中看到的是 550，所以就安装 550 驱动

sudo apt install -y nvidia-driver-550
sudo reboot

安装 CUDA

使用 nvidia-smi 可确认当前可用的 CUDA 版本，以此为依据安装对应版本的 CUDA。

NVIDIA 的官网提供 CUDA 各版本的归档列表。你需要选择与你的操作系统版本、GPU 架构匹配的版本，并使用网络方式 (network install) 获取安装命令。

例如：

wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2204/x86_64/cuda-keyring_1.1-1_all.deb  
sudo dpkg -i cuda-keyring_1.1-1_all.deb  
sudo apt-get update  
sudo apt-get -y install cuda-toolkit-12-4

安装完成后，需要设置环境变量（注意顺序，否则可能引用到旧版本）：

在 /etc/profile.d/cuda.sh 中写入：

export PATH=/usr/local/cuda-12.4/bin:${PATH}
export LD_LIBRARY_PATH=/usr/local/cuda-12.4/lib64:${LD_LIBRARY_PATH}

设置好后，登出再登录使其生效。可通过以下命令确认环境变量是否正确：

echo $PATH  
echo $LD_LIBRARY_PATH

安装相关库

在安装过程中，有些包在视频教程里没提到，有些包则不再需要。可手动安装：

sudo apt update  
sudo apt-get install cmake  
sudo apt-get install wget build-essential checkinstall  
sudo apt install libncursesw5-dev libssl-dev \
     libsqlite3-dev tk-dev libgdbm-dev libc6-dev libffi-dev zlib1g-dev  
sudo apt-get install gfortran  
sudo apt-get install flex  
sudo apt-get install bison

原来某些 Python2 相关包在视频里提及，但因为我们现在主要用 Python3，所以可以省略 python-distutils-extra。

此外，可以加入 deadsnakes PPA 安装较新版的 Python3：

sudo add-apt-repository ppa:deadsnakes/ppa  
sudo apt update  
sudo apt install python3  
sudo apt-get install python-setuptools

视频教程里有 “sudo apt-get install cuda-toolkit” 的命令，但它可能安装较旧版本（如 CUDA 11.5），与我们目标版本不符，所以在本教程中省略这一命令。

安装 Miniconda

因为 Amber 的安装选项中有自动下载 Miniconda 的选项，但在这里我们要禁用那部分，所以需事先手动安装 Miniconda。

（具体安装步骤略，可参考其他文章）

例如：

wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh

bash Miniconda3-latest-Linux-x86_64.sh

按提示一路确认即可，默认会安装在用户目录下的 miniconda3。安装完成后，登出/重登使环境变量生效。之后你在 base 环境中继续操作，在这个环境里执行 Python、安装依赖库等：

conda install numpy scipy matplotlib

下载 Amber 源码

从官方渠道下载：

amber24
ambertools24

下载后解压：

tar xvf AmberTools24.tar.bz2  
tar xvf Amber24.tar.bz2  
cd amber24_src/build

编辑 cmake 配置

进入 amber24_src/build 后，修改 run_cmake 脚本，有两处选项需要改动：

-DCUDA=TRUE
-DDOWNLOAD_MINICONDA=FALSE

最终的 cmake 命令大致如下：

cmake $AMBER_PREFIX/amber24_src \
  -DCMAKE_INSTALL_PREFIX=$AMBER_PREFIX/amber24 \
  -DCOMPILER=GNU \
  -DMPI=FALSE -DCUDA=TRUE -DINSTALL_TESTS=TRUE \
  -DDOWNLOAD_MINICONDA=FALSE \
  2>&1 | tee cmake.log

构建与安装 Amber

配置好后按常规步骤执行：

./run_cmake  
make  
make install  
source ~/amber24/amber.sh

参考资料

https://ambermd.org/AmberTools.php