高性能計算在生命科學(xué)領(lǐng)域的運用與瓶頸

生命科學(xué)的研究范圍十分廣泛，通常包括生物學(xué)和藥物學(xué) ，以生物學(xué)來說，研究人員為了理解生物細(xì)胞中發(fā)生的各種生物化學(xué)過程，研究者需要詳細(xì)地了解生物大分子，如蛋白質(zhì)、核酸等，在多個時間和空間尺度下的結(jié)構(gòu)、動力學(xué)和功能等，以及這些生物分子之間動態(tài)相互作用的具體細(xì)節(jié)。實驗可以得到生物分子的靜態(tài)結(jié)構(gòu)，提供生物分子的動力學(xué)信息，但這些手段的時空解析度十分有限，通常只能得到系統(tǒng)平均性質(zhì)，而不能得到個體分子的運動信息，因此，計算手段就成了另一種不錯的選擇。也是就是我們常說的分子動力學(xué)模擬實驗。

生物分子模擬的空間尺度也與計算機(jī)技術(shù)和計算機(jī)技術(shù)的發(fā)展密切相關(guān)。分子動力學(xué)計算所需的高性能算力資源非常大，在每一個時間步上的作用力計算都需要大量的計算操作，并且這種作用力計算需要重復(fù)多次。例如，對一個十萬原子的體系來說，每一次作用力計算大概需要十億次級的運算操作；原子震動的時間周期在幾個飛秒，（10 -15 S），因而，每個時間步長也必須在1~2個飛秒進(jìn)行毫秒級的生物分子運動模擬就需要執(zhí)行萬億（1012）次時間步計算，因此，分子動力模擬運算必須借助高性能計算提供算力資源進(jìn)行計算。而現(xiàn)在單一處理器（核）很難為分子動力學(xué)提供足夠的算力資源。為了加速分子動力學(xué)的模擬，大規(guī)模并行計算成必然選擇。

隨著公有云的發(fā)展，公有云的無論在基礎(chǔ)硬件方面，還是并行計算的處理上都有了極大的提升，Cloudam云端也是依托公有云的計算資源為分子動力學(xué)提供算力資源。

Cloudam云端采用最新的硬件配置如Xeon Cascade Lake（2019年）， Nvidia A100（2020年），相比于國內(nèi)最大的超算中心天河二號的計算核心為Xeon E5-2692（2011年產(chǎn)，22nm技術(shù)）有著絕對優(yōu)勢。

除此之外，分子動力學(xué)的高性能計算軟件（包括商業(yè)版和非商業(yè)化軟件）是非常豐富的，例如，CHARMM，AMBER，LAMMPS，GROMACS，NAMD等，這些軟件在Cloudam云端的計算平臺上，都有預(yù)裝，用戶可開箱即用，同時Cloudam云端還為用戶提供多種作業(yè)方式，對于不熟悉命令行提交作業(yè)的用戶來說十分友好。

在硬件配置的加持下，分子動力學(xué)模擬有了巨大的發(fā)展和進(jìn)步，包括圖形處理單元GPU和Intel Xeon Phi對分子動力學(xué)模擬的貢獻(xiàn)巨大，許多算法和分子動力學(xué)程序在GPU平臺得到了實現(xiàn)，在一個或多個GPU上的分子動力學(xué)模擬通?？梢赃_(dá)到小型或中等規(guī)模標(biāo)準(zhǔn)機(jī)群的性能，具有較高的性價比。但在技術(shù)方面，由于GPU之間通信緩慢，多個GPU之間的有效并行仍有提升的空間，GPU機(jī)群的分子動力學(xué)性能仍然低于標(biāo)準(zhǔn)機(jī)群的性能，而Cloudam云端提供基于云原生技術(shù)的算力資源的不僅能夠有效克服這類問題，同時也具有極高的性價比。

高性能計算與云計算的區(qū)別與聯(lián)系

高性能計算（High performance computing） 指通常使用很多處理器（作為單個機(jī)器的一部分）或者某一集群中組織的幾臺計算機(jī)（作為單個計算資源操作）的計算系統(tǒng)和環(huán)境。高性能集群上運行的應(yīng)用程序一般使用并行算法，把一個大的普通問題根據(jù)一定的規(guī)則分為許多小的子問題，在集群內(nèi)的不同節(jié)點上進(jìn)行計算，而這些小問題的處理結(jié)果，經(jīng)過處理可合并為原問題的最終結(jié)果。由于這些小問題的計算一般是可以并行完成的，從而可以縮短問題的處理時間。
? ? ? ? 責(zé)任編輯:tzh