1樓：「已登出」
第一性原理計算在現階段毫無疑問該選intel，穩定、省電、單核效率高，和系統、編譯器也沒各種稀奇古怪的相容性問題。
gpu是有幾個軟體支援了，但是目前看到的實測結果並不像經典分子動力學或相場動力學動輒幾十倍加速比那樣鼓舞人心，或者說第一性原理計算雖然計算量大，但問題的並行度可能並不高，目前階段只做第一性原理計算買gpu方案基本上可以認為是錢太多了。
至於amd方案，以前曾經用過，大概三個amd的核相當於1.3到1.7個同時期intel的核，當然，現在amd的進步也是很大的，但是用amd核心的機器做有些計算的時候會出一些莫名其妙的錯誤，比如啥ieee例外之類的。
還有就是經常和amd配合的pgi編譯器，要麼得花錢購買，要麼就每年重新申請和安裝一次，不如intel的學術授權來得乾脆。
2樓：
可以參考一下NERSC的配置(http://www.
nersc.gov/users/computational-systems/cori/configuration/)：目前大部分的計算集群都是用的intel，編譯器和數學庫MKL也是intel的。
3樓：羅秀哲
Intel或者NVIDIA的GPU。錢不多的話再考慮AMD吧。
PS. 有人測過mkl在AMD上很挫，不如open blas。
平行計算主機配置？
搞CUDA平行計算就不要考慮一般的遊戲卡 包括titan x 基本都是閹割了流處理器和雙精度浮點運算，畢竟遊戲用不上太高的雙精度。而計算就完全不一樣了，要知道單精度浮點的十進位制有效數字只有7位，而雙精度有16位。比如單精度運算下pi 3.141593，後面都被截斷了，而雙精度可以精確到3.1415...
平行計算與序列計算有什麼區別？
楚天樂 什麼是平行計算平行計算的任務是找出程式中沒有依賴關係的的部分，讓他們同時執行，以縮短程式執行時間。過程將任務劃分成塊，分片分發給處理器，等待處理結果，彙總。效能我們假設乙個程式中有f 0到1之間 是沒有依賴關係的可以並行執行的，在假設我們可以n個核心去執行他，另外假設序列執行是要時間t。首先...
有沒有可以平行計算的 Python 科學計算庫？
秦續業 可以使用 Mars 來並行 numpy。Mars tensor 目前覆蓋了主流的 numpy 介面，API doc 可以參考 https docs.pymars.org zh CN l atest tensor routines.html 只要會用 numpy，就會用 mars tensor...