戈登貝爾獎決賽入圍選手利用NVIDIA技術(shù)對抗COVID

四組團(tuán)隊利用NVIDIA加速計算和人工智能平臺開展研究工作，躋身戈登貝爾常規(guī)獎或COVID研究特別獎角逐，其中兩組團(tuán)隊的十億原子模擬令人驚嘆。

兩個10億個原子模擬，兩項對SARS-CoV-2病毒如何工作的新見解，以及一個加速藥物發(fā)現(xiàn)的新AI模型。

這些都是戈登貝爾獎決賽選手的成果。戈登貝爾獎被認(rèn)為是高性能計算領(lǐng)域的諾貝爾獎。參賽選手們借助NVIDIA技術(shù)，利用人工智能、加速計算、或兩者兼施，推動科學(xué)發(fā)展。

COVID-19研究特別獎的決賽入圍者利用人工智能將多項模擬相連通，以一個全新的層面清晰地展示了病毒如何在宿主體內(nèi)復(fù)制。

這項由美國阿貢國家實驗室的計算生物學(xué)家Arvind Ramanathan領(lǐng)導(dǎo)的研究，提供了一種方法來提高用于探索蛋白質(zhì)結(jié)構(gòu)的傳統(tǒng)工具的分辨率。這可以為阻止病毒傳播提供新的見解。

該研究團(tuán)隊的成員來自美國和英國的十幾家機構(gòu)，他們設(shè)計了一個工作流程，該工作流程在各系統(tǒng)中運行，包括慧與公司（HPE）構(gòu)建的基于NVIDIA A100系統(tǒng)的Perlmutter，以及阿貢國家實驗室的NVIDIA DGX A100系統(tǒng)。

論文中寫道：“為綜合生物學(xué)進(jìn)行多站點數(shù)據(jù)分析和模擬的能力，對于利用難以轉(zhuǎn)移的大型實驗數(shù)據(jù)將是非常寶貴的?！?/p>

作為研究工作的一部分，該團(tuán)隊開發(fā)了一種技術(shù)，基于GPU，利用常用的NAMD程序加快分子動力學(xué)研究。他們還利用NVIDIA NVLink來提高數(shù)據(jù)的速度，達(dá)到了“遠(yuǎn)超目前傳統(tǒng)HPC網(wǎng)絡(luò)互連或PCIe傳輸所能達(dá)到的水平”。

高保真度的十億原子

南佛羅里達(dá)大學(xué)物理學(xué)教授Ivan Oleynik帶領(lǐng)的團(tuán)隊?wèi){借首次對10億原子進(jìn)行高精度模擬而入圍常規(guī)的戈登貝爾獎。它以23倍的速度，打破了去年戈登貝爾獎得主創(chuàng)造的紀(jì)錄。

Oleynik表示：“發(fā)現(xiàn)以前從未見過的現(xiàn)象是件令人高興的事，這是真正意義上的大成就，讓我們?yōu)橹湴痢！?/p>

碳原子在極端溫度和壓力下的模擬，為新的能源來源開啟了一扇門，并有助于描述遙遠(yuǎn)星球的構(gòu)成。它特別令人震驚，因為該模擬具有量子級的準(zhǔn)確性，能夠真實地反映原子間的作用力。

Oleynik表示：”這是只有通過在強大的GPU超級計算機上應(yīng)用機器學(xué)習(xí)技術(shù)才能達(dá)到的精度，人工智能正在為科學(xué)研究的方式帶來革命?！?/p>

該團(tuán)隊在美國能源部的Summit 超級計算機上采用4，608臺IBM Power AC922服務(wù)器和27，900個NVIDIA GPU，該計算機由IBM建造，是世界上最強大的超級計算機之一，它體現(xiàn)出了其代碼能夠以幾乎100%的效率，擴(kuò)展到200億個原子或更多的模擬。

該代碼可供任何有志在材料科學(xué)領(lǐng)域突破創(chuàng)新的研究人員使用。

致命液滴的內(nèi)部

在另一個10億原子模擬中，COVID-19特別獎的第二組入圍團(tuán)隊展示了空氣中液滴的Delta變體（如下圖）。它揭示了傳播COVID和其他疾病的生物力量，首次提供了對氣溶膠的原子級觀察。

根據(jù)去年特別獎得主、加州大學(xué)圣地亞哥分校的研究員Rommie Amaro所帶領(lǐng)團(tuán)隊的論文，這項工作“對深層肺部病毒結(jié)合，以及對其他空氣傳播病原體的研究帶來了深遠(yuǎn)的影響”。

由Amaro帶領(lǐng)的團(tuán)隊模擬了呼吸道液滴中的Delta SARS-CoV-2病毒，其原子數(shù)超過10億。

Amaro表示：”我們展示了人工智能與HPC在多層面上的結(jié)合如何實現(xiàn)有效性能的大幅提高，使我們能夠用新的方法來理解和審視復(fù)雜的生物系統(tǒng)。”

研究人員將NVIDIA GPU用于Summit、戴爾科技為德克薩斯先進(jìn)計算中心建造的Longhorn超級計算機、以及甲骨文云基礎(chǔ)設(shè)施（OCI）的商業(yè)系統(tǒng)。

該團(tuán)隊總結(jié)道：“HPC和云資源可用于大幅縮短解決重大科學(xué)工作所需的時間，并能夠?qū)⒀芯咳藛T彼此相連，大力推進(jìn)復(fù)雜協(xié)作互動的實現(xiàn)?！?/p>

藥物發(fā)現(xiàn)的語言

美國橡樹嶺國家實驗室（ORNL）的COVID特別獎決賽選手將自然語言處理（NLP）應(yīng)用于篩選新藥的化學(xué)化合物問題。

他們使用了一個包含96億分子的數(shù)據(jù)集（這是迄今為止應(yīng)用于此項任務(wù)的最大的數(shù)據(jù)集），在兩小時內(nèi)訓(xùn)練了一個能夠加速新藥發(fā)現(xiàn)的BERT NLP模型。此前的最佳成果是耗費四天時間，用一個包含11億分子的數(shù)據(jù)集來訓(xùn)練一個模型。

該研究工作在Summit超級計算機上使用了超過24，000個NVIDIA GPU，提供高達(dá)603 petaflops的性能。該模型現(xiàn)已訓(xùn)練完成，可在單一GPU上運行，幫助研究人員找到可以抑制COVID和其他疾病的化學(xué)化合物。

橡樹嶺國家實驗室計算科學(xué)家Jens Glaser表示：”已經(jīng)有協(xié)作方希望將該模型應(yīng)用于癌癥信號通路?！?/p>

帶領(lǐng)該團(tuán)隊的研究科學(xué)家Andrew Blanchard表示：“對于訓(xùn)練數(shù)據(jù)的規(guī)模，我們所觸及的還只是冰山一角。我們希望很快能夠使用一個包含萬億分子的數(shù)據(jù)集。

依靠全棧式解決方案

NVIDIA用于人工智能和加速計算的軟件庫幫助該團(tuán)隊在短時間內(nèi)完成了工作，一位評論員稱其令人驚嘆。

Glaser表示：”我們無需針對GPU的Tensor Core來全面優(yōu)化我們的工作，因為你不需要專門的代碼，而只需要使用標(biāo)準(zhǔn)堆棧。

他總結(jié)了許多決賽選手的感受?！坝袡C會參與有意義的研究，為人們的生活帶來潛在的影響，這對一個科學(xué)家來說是非常令人欣慰的。”

NVIDIA的Marc Hamilton將簡要介紹公司最新的新聞發(fā)布、創(chuàng)新和技術(shù)，演講之后還設(shè)有NVIDIA專家現(xiàn)場問答環(huán)節(jié)。

編輯：jq