om grootschalige moleculaire simulaties mogelijk te maken, moeten algoritmen efficiënt gebruik maken van multicore-processoren die in de loop van de tijd blijven toenemen met relatief stagnerende kloksnelheden. Hoewel parallelized molecular dynamics (MD) software heeft geprofiteerd van deze trend in computer hardware, single-particle storingen met Monte Carlo (MC) zijn moeilijker te parallelliseren dan systeem-brede updates in MD met behulp van domein decompositie. In plaats daarvan reconstrueert prefetching de seriële Markov-keten na het berekenen van meerdere Mc-proeven parallel. Canonieke ensemble Mc simulaties van een Lennard-Jones vloeistof met prefetching resulteerde in een factor van 1,7 speedup met behulp van 2 threads, en een factor van 3 speedup met behulp van 4 threads. Strategieën voor het maximaliseren van de efficiëntie van prefetching simulaties worden besproken, met inbegrip van het potentieel contra-intuïtieve voordeel van verminderde acceptatie waarschijnlijkheden. De bepaling van de optimale acceptatiekans voor een parallelle simulatie wordt vereenvoudigd door theoretische voorspelling op basis van seriële simulatiegegevens. Tot slot werd volledige open-source code voor parallelle prefetch simulaties beschikbaar gesteld in de Free Energy and Advance Sampling Simulation Toolkit (FEASST).