也可以阅读B站版

最近Amber22可以免费用于学术目的了，赶紧安装一下。安装本身不难，难在依赖的环境、包该如何配置。

Amber22的文档有很详细的installation guide，非常建议通读那部分，如果很不幸你遇到奇怪的报错，可以参考以下流程。

环境：CentOS7，gcc10.2（自己编译的），CUDA11.3，glibc2.17，使用本机的conda。

本文主要是基础环境的配置，不涉及MPI版、NCCL支持等，并且忽略了一些高级功能的Warning，但一般功能够用了。

官方文档：https://ambermd.org/doc12/Amber22.pdf

1

第一步：去官网下载AmberTools22和Amber22两个安装包，总共约620MB。

网址：https://ambermd.org/GetAmber.php

有两个这样的框，填写并点击下载即可。

2

第二步，解压两个包到同一安装目录。

tar xvfj AmberTools22.tar.bz2
tar xvfj Amber22.tar.bz2

这里有两点，可能是其他教程年代太久远，至少我觉得不需要。

• 现在并不需要什么“先安装串行版、再安装并行版”，“先安装非CUDA版、再安装CUDA版”的操作。
• 有些教程说要先执行一下update_amber，反正我试了它说没有updates，大家可以参考Amber手册2.4.1 Basic Usage。

3

第三步，准备安装环境。

1. 安装依赖包。根据你的OS装一下：https://ambermd.org/Installation.php，没权限就用conda。

2. 安装CUDA，请参考别的资料。注意最好不要太新，11.x就行。完成后，在~/.bashrc中添加

   export CUDA_HOME=/usr/local/cuda  # 参考Amber22文档22.6.5
   export PATH=$PATH:/usr/local/cuda/bin/ # 方便检测到nvcc命令，不知道有没有用
   

3. 安装GNU编译器，并在~/.bashrc中添加路径

   export PATH=/path/to/gcc-10.2.0/bin:$PATH
   export LD_LIBRARY_PATH=/path/to/gcc-10.2.0/lib64
   

   检查：命令行输入gcc -v即可看到现在启用的是哪个版本。当然，cmake和make也检查一下，不要装太老的。

   注意：GNU编译器的版本要和CUDA匹配，否则Amber安装第一步就报错。我没有找到有人列出具体的对应关系，在我的尝试中，

   • CUDA11.3—gcc10.x都可以
   • CUDA11.7—gcc12.x都可以

   系统自带版本不对的话，就自己编译一个，大概要二十分钟。

   在国内各种镜像站都可以直接下载，如：https://mirrors.sjtug.sjtu.edu.cn/gnu/gcc/。

4. sob老师说：“amber的计算量大的代码都是基于fortran的，c编译器实际上用什么无所谓，不影响速度，关键是ifort比gfortran强多了”（http://bbs.keinsci.com/thread-311-1-1.html），我不知道对不对，反正Intel编译器帮我编译通过了。

   安装最新版（2023）就可以，这两个都装一下吧，装到同一目录下。我找fortran编译器它就跳到第二个网址了，但是装完又说缺少base模块。网址：

   • https://www.intel.com/content/www/us/en/developer/tools/oneapi/base-toolkit-download.html
   • https://www.intel.com/content/www/us/en/developer/tools/oneapi/hpc-toolkit-download.html

   根据提示安装即可。下载比较慢（建议科学上网），共需一小时左右。然后按照提示添加以下变量到~/.bashrc

   source /path/to/intel/oneapi/setvars.sh
   

5. 准备Python环境。Amber22文档的2.2.5小节和2.3小节有详细的说明，非常建议完整阅读。

   按理说使用Amber自带的conda还是自己之前已经装了conda都是可以的，只不过我尝试前者没成功。后者意味着你的Amber将使用这个环境的Python interpreter，可以通过conda安装各种扩展，但文档说可能找包的时候dependencies会有风险。不管了。

   conda create -n Amber22 python==3.10
   conda activate Amber22
   conda install -y numpy scipy cython ipython notebook matplotlib setuptools tkinter
   

   备注：

   • 当我用python3.11时，遇到了一个'longintrepr.h' file not found的错误（https://stackoverflow.com/questions/74979674/gensim-install-in-python-3-11-fails-because-of-missing-longintrepr-h-file），所以Python不要用太新的版本。
   • 上面的几个安装包是Amber22文档要求必须安装的，否则立即报错。执行过程中还会看到大量xxx not found的问题，其实不要紧，有些是如mkl之类的我们暂不需要的功能，有的是AmberTools里的包，后面会安装上。CMakeError.log也有很多这种信息，但对我没什么帮助。。
   • 我有一个安装了conda版AmberTools22、python3.10的conda环境，还装了很多其他包，不知为何run_cmake都过不了。建议用一个干净的conda环境；不建议用系统Python的interpreter。

4

第四步，安装。

打开./run_cmake文件，其实就是包装了一下cmake命令。我用的是：

cmake $AMBER_PREFIX/amber22_src \
    -DCMAKE_INSTALL_PREFIX=$AMBER_INSTALL_PREFIX/amber22 \
    -DCOMPILER=GNU \
    -DMPI=FALSE -DCUDA=TRUE -DINSTALL_TESTS=TRUE \
    -DDOWNLOAD_MINICONDA=FALSE -DUSE_CONDA_LIBS=TRUE -DCUDA_TOOLKIT_ROOT_DIR=/usr/local/cuda-11.3 \
    2>&1 | tee  cmake.log

• -DCMAKE_INSTALL_PREFIX=你要安装到的地方，不要和当前这个源码包一致。。自己换个路径。

• -DCOMPILER=GNU，我尝试了换用INTEL，但make install不成功。其实fortran用的还是gfortran，但是有些模块自动检测到了ifort，intel的fortran编译器。

• -DDOWNLOAD_MINICONDA=FALSE：用我们的conda。

  如果你要设为true，一定要从~/.bashrc中移除我们自己的conda（deactivate所有环境）！否则它会被修改，很是难看。同时，建议用sh shell（以便安装conda）。而且，需要联网下载东西。

• -DUSE_CONDA_LIBS=TRUE：若用我们的conda，一定要加上。

• -DCUDA_TOOLKIT_ROOT_DIR=默认是没有的，最好加上，强行指定。

更多：

• 常见的cmake选项：https://ambermd.org/pmwiki/pmwiki.php/Main/CMake-Common-Options
• 详情请在build下执行ccmake ..（interactively edit cmake options）以查看。

cd amber22_src/build
./run_cmake
make install -j 16
./clean_build -f # 安装失败了必须先全部清理再run_cmake

完成后，根据屏幕提示，在~/.bashrc中添加

source /path/to/amber22/amber.sh

5

最后一步，测试。

如果-DINSTALL_TESTS=TRUE，可以

cd $AMBERHOME
make test.serial
export CUDA_VISIBLE_DEVICES=0  # (choose the GPU id you wish to test)
make test.cuda.serial

可能要一个多小时。

屏幕输出测试信息，也保存在logs文件夹下。如果你看到

295 file comparisons passed
2 file comparisons failed (2 of which can be ignored)
0 tests experienced errors

这种信息，就可以enjoy了。不放心可以看看.diff文件，没有太大差别的，计算机产生随机误差也很正常。