a nagyszabású molekuláris szimulációk lehetővé tétele érdekében az algoritmusoknak hatékonyan kell felhasználniuk a többmagos processzorokat, amelyek az idő múlásával tovább növekednek a teljes magszámban, viszonylag stagnáló órajel-sebességgel. Bár a parallelized molecular dynamics (MD) szoftver kihasználta ezt a tendenciát a számítógépes hardverben, az egyrészes perturbációkat Monte Carlo-val (MC) nehezebb párhuzamosítani, mint az MD rendszerszintű frissítéseit a domain bomlásával. Ehelyett az előtelepítés rekonstruálja a Soros Markov-láncot, miután több MC-próbát párhuzamosan kiszámított. Kanonikus együttes Mc szimulációk a Lennard-Jones folyadék előfeszítéssel 1,7-es gyorsulást eredményezett 2 szál felhasználásával, 3-as gyorsulást pedig 4 szál felhasználásával. Megvitatják az előtelepítési szimulációk hatékonyságának maximalizálására szolgáló stratégiákat, beleértve a csökkent elfogadási valószínűségek potenciálisan ellentétes előnyeit. A párhuzamos szimuláció optimális elfogadási valószínűségének meghatározását egyszerűsíti a Soros szimulációs adatokból származó elméleti előrejelzés. Végül a szabad energia és előzetes mintavételi szimulációs eszköztárban (free Energy and Advance Sampling Simulation Toolkit, FEASST) elérhetővé vált a párhuzamos prefetch szimulációk teljes nyílt forráskódja.