Gaussian 计算服务器怎么配

量子化学程序里，Gaussian 是最容易「买错机器」的一个：它的并行扩展性比平面波程序差得多，而 scratch 磁盘的消耗又常常被完全忽略。

2026-10-17 · 约 8 分钟读完

一、先认清它的并行特性

Gaussian 的共享内存并行（%nprocshared）在 8～16 核时效率还很高，到 32 核通常只剩 50%～70%，再多基本是白烧电。原因在于它的并行粒度是积分批（batch），不是连续的网格，通信与任务分配开销随核数快速上升。

这条曲线直接决定了配置结论：与其买一台 64 核机器跑一个大任务，不如买两台 32 核机器跑两个任务。如果你经常要同时跑十几个小分子优化，多机比多核划算得多。

二、%mem 不是「随便填个大数」

Gaussian 用 %mem 声明可用内存，它会把积分缓冲区按这个值去分。填得太小会频繁读写 scratch（慢十倍），填得太大则会和系统抢内存导致 OOM。经验规则：

%nprocshared=16
%mem=48GB          # 约为整机可用内存的 70%-80%，且给系统留 8GB 以上

注意 %mem 是整个任务的份额，不是每个线程。一台 128 GB 的机器上同时跑三个 16 线程任务时，每个任务的 %mem 应该填 30 GB 左右而不是 100 GB，否则三个任务一起把内存吃光。

三、scratch 磁盘：最容易被打爆的地方

Gaussian 把两电子积分、部分变换后的积分、以及某些方法（如 CCSD 的振幅中间量）写到 %rwf 指定的文件里。大基组 + 大体系的 CCSD(T)，.rwf 文件几十 GB 到上百 GB 都是正常的。

所以在云上选实例时，本地盘容量和类型要和核数一起看：有些高核数规格的本地盘反而很小，或者只有云盘（网络存储），后者的随机 IO 会让 Gaussian 的 scratch 写入变成灾难。选型时优先挑带本地 NVMe 的规格，并把 %rwf、%chk 指向本地盘。

四、一套能直接用的配置

如果只是偶尔跑一次 CCSD(T)，不要为它专门买机器：临时按量开一台大内存实例跑完就释放，成本通常远低于为此升级整台工作站。

五、上云时的三个操作细节

1. 把输入文件与 .chk 放系统盘，scratch 放本地数据盘，两者分开，避免日志写满把系统撑死。
2. 关机前先 formchk 转存：.chk 是二进制且与版本绑定，转成 .fchk 才能安全迁移到别的机器继续算。
3. 用同一版本的 Gaussian 跨机器续算：不同小版本的 .chk 不保证兼容，尤其是改过基组或赝势的输入。