Компания Nvidia представила систему Tesla Bio Workbench, которая позволяет ученым раздвинуть границы биологических исследований, превратив стандартный ПК в вычислительную лабораторию, способную обрабатывать сложные биологические коды в таких областях, как создание лекарств и определение последовательности DNA, со скоростью в 10-20 раз быстрее благодаря графическим процессорам Nvidia Tesla.
В целом Tesla Bio Workbench включает: набор оптимизированных под GPU бионаучных приложений для исследований в области молекулярной динамики и квантовой химии, включая Amber, Gromacs, Lammps, NAMD, TeraChem, VMD, и приложений биоинформатики, таких как CUDASW++ (Smith-Waterman), GPU-HMMER и MUMmerGPU; сайт сообщества для загрузки новых приложений, проверки результатов тестов, чтения научных материалов и пособий, обсуждения на форумах с разработчиками приложений и многое другое; подробную информацию по рабочим станциям и кластерам на базе Tesla GPU для быстрой и удобной установки данных приложений.
«Мы работаем над новой техникой на базе GPU в приложении для визуализации в области молекулярной динамики, которая изучает, как маленькие молекулы, такие как кислород или CO2, мигрируют в белки. Эти исследования важны для изучения механизмов ферментативной реакции, – рассказал Джон Стоун (John Stone), старший программист в Университете Иллинойса в Урбана-Кампейн. – Симуляции, которые занимают один день на рабочей станции с GPU, раньше длились 30 дней на машине с CPU, что малоэффективно для настоящих исследований».
«Используя Amber для симуляции гидролиза ферментов целлюлозы, Cellobiohydrolaze-I, который является ключевым компонентом для повышения эффективности производства этанола, мы обнаружили, что производительность одного GPU Nvidia эквивалентна кластеру из 10 узлов», - отметил Росс Уолкер (Ross Walker), профессор суперкомпьютерного центра Сан-Диего, UC San Diego.
«Одна из приоритетных задач в молекулярных симуляциях – это автоматическая проверка лекарств. Мы традиционно использовали Gromacs для вычислений привязки лекарств к мембранным белкам на больших кластерах, но это дорогой и сложный способ, – сказал Эрик Линдал (Erik Lindahl), адъюнкт-профессор в Центре Биомембранных Исследований в Стокгольмском Университете. – Сейчас мы добавляем GPU, потому что один GPU в 4-5 раз быстрее CPU в большинстве обычных симуляций. Мы думаем, что уже через несколько лет рабочие станции с несколькими картами займут большую часть рынка, и именно поэтому мы видим в компании Nvidia очень важного партнера».
Источник: CNews
|
