PyGAMD（Python GPU-accelerated molecular dynamics software）是一个创新的分子模拟平台，专为聚合物等软物质而设计，集成了多个尺度的模型、方法和力场。该软件平台包含一个分子动力学（MD）解释器，支持二次编程，用户可以方便地自行编写势能函数，例如用于非键、键、角和二面角等相互作用的解析势函数，从而极大地扩展了MD模拟的灵活性，该解释器由Python语言编写，易于修改和进一步开发。
PyGAMD 还包含一些由其他语言编写并已经编译为Python的扩展库，支持构型初始化、性质分析等功能。此外，PyGAMD支持由 DeePMD-kit 训练的机器学习力场。通过设计先进的软件框架，利用Python的Numba库和计算统一设备架构（CUDA）编写的代码均实现了较高的GPU计算效率。
解释器的代码架构分为三个层次，顶层是用于组织工作流程的应用程序，第二层是功能分类，包括力（Force）、积分（Integration）、Tinker 和输出（Dump）。第三层有许多具体的计算函数。
针对二嵌段共聚物与超软粒子模型，基于耗散力子动力学（DPD）与广义指数势（GEM）在PyGAMD上实现模拟，其中GEM势能是通过用户自定义的方式实现，上述功能与C++版本软件GALAMOST进行性能对比。值得注意的是PyGAMD内置了GALAMOST扩展库，方便用户使用。图（a）与（d）分别为二嵌段共聚物与超软粒子模型体系的平衡快照，数据后处理图（b）为垂直于（a）中层状结构方向的密度分布曲线，以及图（e）为（d）中不同晶体结构比例的统计。最后对两种模型的不同体系尺寸进行了性能对比图（c）与（f）。性能对比结果显示Python版本的PyGAMD在DPD与GEM模拟体系上计算效率虽然不如C++版本的GALAMOST，仍旧存在巨大的提升潜力，但在易用性与灵活性方面PyGAMD明显更具优势。
为了验证PyGAMD的在粗粒化模拟中的功能与适用性，本文选择聚氧化乙烯（PEO）作为测试体系。首先利用PyGAMD内置的扩展库Molgen生成了粗粒化PEO模型（如图a所示）。在密度（图b）和径向分布函数（RDF，图c），均方位移（MSD，图d）等性质上，PyGAMD与GROMACS的结果高度吻合。比较两个软件的运行效率（图f）和运行时间占比的饼图（图e），发现PyGAMD的性能可媲美甚至超越GROMACS，这因为PyGAMD在力计算和坐标更新部分进行了充分优化。
PyGAMD支持基于DeePMD-kit训练的机器学习势函数（MLFF）。本文通过甲烷单分子和64水分子体系的双重验证，不仅证明了其与主流软件LAMMPS的等效性，更展现出对分子结构与相互作用的卓越捕捉能力。在甲烷单分子体系中，PyGAMD与LAMMPS的势能曲线（图a）表现出高度一致性，C-H键长（图b）的动态波动也准确再现；在64个水分子体系中，氢氧径向分布函数（图c）的特征峰位与实验值吻合良好，H-O-H键角分布（图d）不仅呈现符合理论的104-108°范围，其统计平滑性更优于LAMMPS的计算结果。性能测试（图e，图f）表明，PyGAMD在保持良好计算精度的前提下，展现出与主流工具相当的运行效率，能够满足实际研究中的计算需求。这些测试表明，PyGAMD采用MLFF进行全原子模拟能够获得可靠且精细的分子动力学结果，为研究复杂体系提供了新思路。
本文还对PyGAMD的扩展库进行了测试，使用Molgen进行了DNA，蛋白质，聚合物，接枝纳米粒子等大尺度体系的粗粒化建模（如图 a,b,c,d,e 所示）。
以下是dataTackle的使用命令和界面（图a）和 分析径向分布函数(RDF)的输出数据(图b)。
