Команда, возглавляемая Джорджем Карниадакисом из Брауна, использует суперкомпьютер Cray XK7 Titan в Oak Ridge Leadership Computing Facility — пользовательском центре Управления науки Министерства энергетики США, расположенном в Национальной лаборатории Ок-Ридж, — для моделирования сотен миллионов красных клетки крови в попытке разработать более эффективные методы доставки лекарств и предикторы для борьбы с образованием опухолей и серповидно-клеточной анемией.Группа Карниадакиса подходит к этим симуляциям из уникального места — несмотря на то, что исследования сосредоточены на медицинских вопросах, на самом деле команда базируется в отделе прикладной математики Брауна. Карниадакис объяснил, что математики могут помочь в проведении вычислений для различных масштабов, используемых при моделировании частей человеческого тела.«Все биологические системы являются многомасштабными», — сказал Карниадакис. «Исследование идет от белка до клетки, ткани и вплоть до человека.
Вы должны охватывать масштабы от одного нанометра до одного метра».В течение первого года трехлетнего распределения инновационного и нового вычислительного воздействия на теорию и эксперимент, или INCITE, в OLCF и Argonne Leadership Computing Facility, команда выполнила набор имитаций, связанных с различными заболеваниями и методами доставки лекарств. чтобы лучше прогнозировать, диагностировать и лечить несколько загадочных гематологических или связанных с кровью заболеваний.Исследование, проведенное командой, сделало его финалистом премии Гордона Белла Ассоциации вычислительной техники в этом году, представленной на конференции по суперкомпьютерам SC15, которая состоится в этом году в Остине, штат Техас.
К команде Брауна присоединились соруководитель исследования Петрос Кумутсакиос и Диего Россинелли — исследователь, возглавляющий усилия Гордона Белла — из ETH Zurich.В OLCF команда в основном сосредоточила свои исследования болезней на серповидно-клеточной анемии (SCA) и опухолевых клетках, а также на разработке более эффективных методов доставки лекарств.Ускорение современного состояния
SCA — это заболевание, при котором красные кровяные тельца становятся жесткими и «серповидными», что приводит к хроническим проблемам с кровеносной системой и повышенному риску смерти.Несмотря на его распространенность — примерно 8 процентов афроамериканского населения имеют эту черту, и каждый год рождается более 180000 детей с этим заболеванием — очень мало известно о том, как это заболевание, связанное с эритроцитами, взаимодействует с человеческим организмом. кровеносный сосуд.
Команда использует динамику диссипативных частиц в своих симуляциях для изучения кровотока как совокупности отдельных частиц, а не одного жидкого объекта. Чтобы точно смоделировать поведение каждой отдельной частицы в течение любого значимого отрезка времени, команде требовались суперкомпьютерные мощности высшего класса.«Наша работа выполняется с помощью диссипативной динамики частиц, что означает, что вы в основном моделируете все в симуляции как отдельную частицу или совокупность частиц», — сказал Ю-Ханг Тан, соавтор проекта и доктор наук Брауна. «Количество частиц в системе очень легко стремительно расти. Например, если мы хотим смоделировать только один эритроцит, мы не просто помещаем частицы для красных кровяных телец; нам также нужны частицы для жидкость, окружающая его.
Это может дать вам 50 000 частиц только для имитации одного эритроцита ".Помимо исследования SCA, команда также использует Titan, чтобы понять, как можно лечить болезни. На данный момент команда смоделировала разделение крови и раковых клеток с помощью микрофлюидных устройств.
Микрожидкостные устройства могут работать с очень небольшими объемами жидкости — обычно микролитры (одна миллионная литра) или меньше.Тан сосредоточился на том, как кровь и раковые опухолевые клетки могут быть разделены с помощью микрожидкостных устройств, и его моделирований, которые в один-три раза больше — с точки зрения количества смоделированных клеток и вычислительных элементов — чем текущее состояние дел в этой области. поле.«В нашем исследовании опухолевых клеток мы использовали специально расположенные препятствия в микрофлюидном устройстве», — сказал Тан. «Мы используем эти препятствия для разделения ячеек, потому что разные типы ячеек имеют разные формы, поэтому, когда две ячейки сталкиваются с одним и тем же препятствием, их реакции на это будут разными, заставляя их двигаться в разных направлениях в устройстве».Такие микрофлюидные устройства позволят врачам взять очень небольшой образец крови и быстро определить, есть ли у кого-то злокачественная опухоль.
Эта «лаборатория на чипе» может помочь врачам выявлять болезни наименее инвазивным способом.Тан и его сотрудники использовали ускорители GPU Titan и разработали uDeviceX, решатель частиц на основе GPU — важную часть кода команды, которая помогает отображать отдельные частицы в моделировании. Новый решатель Tang показал 45-кратное сокращение времени до решения по сравнению с конкурирующими современными методами.
Более того, обширная работа Танга с графическими процессорами привела к созданию новейшего вычислительного инструмента команды — многоуровневого универсального интерфейса, или MUI. Исследовательские интересы команды требуют множества различных кодов, при этом определенные вычислительные архитектуры лучше работают с определенными кодами, а разные архитектуры приносят пользу другим кодам. Это также дает команде свободу одновременно фокусировать определенные решатели для разных масштабов.
MUI позволяет команде быстро соединять свои контрастирующие коды в один более крупный код, значительно сокращая вычислительные затраты команды на выполнение симуляций за счет сосредоточения внимания на сильных сторонах различных конфигураций оборудования.Команда может не только нацеливать разные решатели или другие части кода на определенные части суперкомпьютера, но также может выгружать разные части кода на разные суперкомпьютеры. Эти отдельные фрагменты кода не должны обмениваться данными на каждом временном шаге, но в конечном итоге будут делиться своими результатами в ходе моделирования.Тан благодарит компьютерную графику за то, что она вдохновила MUI. «По сути, я создал MUI, позаимствовав концепцию компьютерной графики, где, когда вы хотите отобразить цвет пикселя, вы фактически выполняете интерполяцию из соседних пикселей», — сказал Танг. «Мы позаимствовали это в мире MUI, когда вы хотите выполнять различные виды моделирования.
Мы предложили общую структуру, в которой вы можете интерполировать данные, которые вам нужны, из близлежащих точек, легко вставляя свои собственные алгоритмы интерполяции».Сотрудник OLCF Уэйн Жубер помог команде масштабировать MUI, чтобы эффективно использовать большое количество узлов Titan.Микроскопические масштабы, макроскопические последствия
Карниадакис и Танг подчеркнули, что междисциплинарное сотрудничество должно оставаться центральным элементом в продвижении их исследований.«Мы нацелены на различные патологии, потому что, имея это в качестве основы, мы можем разработать интересные математические и вычислительные алгоритмы, которые можно использовать в других контекстах», — сказал Карниадакис, добавив, что некоторые методы Танга уже были приняты для расчетов в области материаловедения.
Помимо разработки более эффективных алгоритмов, команда работала над разработкой методов, которые были бы «осведомлены об оборудовании», что позволило бы им быстро и без проблем монтировать свои коды на различных суперкомпьютерных инфраструктурах. Карниадакис также возглавлял команду, работающую над методами декомпозиции доменов, которые минимизируют обмен данными между узлами суперкомпьютера, повышая эффективность и время до решения. Эта работа привела к тому, что команда была названа финалистом Премии Гордона Белла 2011 года.Несмотря на значительные успехи в разработке кода команды, Карниадакис все еще видит много возможностей для улучшений.
По мере того, как высокопроизводительные компьютеры продолжают становиться все более мощными, Карниадакис предсказывает, что его команда будет разрабатывать крупномасштабные симуляции, способные глубже понять болезни, связанные с кровью.«Мы расширяем границы использования текущих вычислительных ресурсов, и одна из трудностей, с которыми мы все еще боремся, заключается в том, можем ли мы действительно вычислить от начала болезни до ее последствий», — сказал Карниадакис. «Между началом болезни и ее проявлением могут пройти годы.
В этом контексте нельзя полагаться только на вычисления или математику, поэтому мы полагаемся на то и другое».
