Danske superdatamaskiner klare til å løse covid-19-oppgaver

Minst tre danske superdatamaskiner er akkurat nå i ferd med å bli gjort klare til å regne på forskernes modellering og simulering av SARS-CoV-2. Det viser en spørreundersøkelse som organisasjonen DeiC har gjort blant universiteter i Danmark. DeiC koordinerer den nasjonale utviklingen av superdatamaskiner i Danmark.

Regnekraft kan vise seg å være et viktig våpen i kappløpet om å utvikle både vaksiner og medisin til behandling av covid-19. Akkurat nå er tid nemlig et helt avgjørende element i forsøket på å redusere kostnadene ved korona-pandemien. Jo raskere det utvikles vaksiner og behandlingsmetoder, jo færre mennesker vil dø av viruset – og jo raskere kan samfunnet gjenåpnes.

Derfor er mange superdatamaskiner som daglig brukes til vitenskapelige beregninger, særlig innenfor fysikk, astronomi, kjemi og biologi, blitt «inndratt» og satt til utelukkende å simulere SARS-CoV-2s oppførsel – og til å simulere hvordan pasienter forventes å reagere på forskjellige behandlingsmetoder og vaksiner.

– Det er veldig mange forskjellige kombinasjoner tilgjengelig når du undersøker molekyler i et protein. Her kan superdatamaskiner brukes til å raskt sortere gjennom det enorme søkeområdet og forkaste kombinasjonene som ikke fungerer. Den simuleringen vil ta mye lengre tid på konvensjonell maskinvare og programvare, sier Eske Christiansen, HPC-sjef i Deic.

Den fysiske infrastrukturen setter tempoet

En superdatamaskin, også kjent som High Performance Computing (HPC), består vanligvis av en klynge fysisk tilkoblede servere. Det er spesielt infrastrukturen som skiller HPC-systemer fra mer konvensjonelle beregninger gjort i et datasenter eller på en bærbar PC.

– Beregningsmetodene er de samme, og maskinvaren som brukes for superdatamaskiner er bare litt raskere enn vanlige servere. Det er infrastrukturen som er avgjørende fordi du raskt kan utveksle informasjon mellom de forskjellige beregningsnodene. Mange beregninger er avhengig av andre beregninger, og de kan raskt byttes ut i en superdatamaskin, der kommunikasjonshastigheten er betydelig raskere, sier Eske Christiansen.

Danmarks største superdatamaskin, Computerome med ca. 50 000 CPU-kjerner brukes for tiden til å kjøre maskinlæringsmodeller for å tilby bedre pasientbehandling i alle stadier av sykdommen.

Ved Aalborg universitet har 150 CPU-kjerner, 3000 GPU-kjerner og 1500 GB RAM blitt reservert for koronarelatert forskning på HPC-klyngen Claaudia. Nøyaktig hvilke prosjekter som startes er fremdeles ukjent.

På Fyn har SDU brukt superdatamaskinen Abacus til en rekke prosjekter, for eksempel modellering og beregning av såkalte proteinhemmere, og til design av nye molekyler for medisin i kampen mot covid-19.

Selv om mange forskjellige danske forskningsprosjekter med fokus på covid-19 er satt i gang, er det ennå ikke bevilget mange midler til å kjøpe datakraft på superdatamaskiner.

– Vi mottar jevnlige henvendelser, både på Deic og lokalt på universitetene. Men akkurat nå er mest forskningsfinansiering bevilget til det eksperimentelle arbeidet i laboratoriene, og i mindre grad til beregningsmetoder, sier Eske Christiansen.

Vokser i løpet av april

Mye av den nye korona-relaterte forskningen er fremdeles i oppstartsfasen, og derfor er mange prosjekter fremdeles bare på skissenivå, mens andre bare kjører små simuleringer av eksisterende modeller.

– Mye forskning er for tiden i designfasen og derfor ikke klar til å bli sluppet løs på de danske superdatamaskinene. Men vi forventer definitivt at bruken vil øke etter april. I den tidlige fasen har eksisterende modeller og data blitt gjenbrukt. Det kan vise seg at det kan være behov for mer spesialiserte modeller spesielt utviklet for SARS-CoV-2, sier Eske Christiansen, HPC-sjef i Deic.

Hvis de første forskningsresultatene med superdatamaskiner viser seg å være vellykkede, kan vi da risikere å gå tom for datakraft i Danmark?

– Ikke på kort sikt. Akkurat nå har vi tilgjengelig kapasitet, og hvis behovet for datakraft øker betydelig, kan vi kanskje se utfordringer til høsten. Men samarbeid over hele Europa har også blitt utvidet den siste måneden, og det er grunnen til at danske forskere også kan søke om datakraft gjennom nordisk og europeisk superdatamaskin-samarbeid, sier Eske Christiansen.

Ved Universitetet i Aarhus og Universitetet i København har man også tilgang til superdatamaskiner, som kan brukes til koronarelatert forskning om nødvendig.

Det er også verdt å huske at det er stor forskjell mellom de forskjellige danske superdatamaskinene. Datarom på DTU er bygget spesielt for å løse livsvitenskapelige oppgaver, og er derfor ideelle for koronarelatert forskning. Andre superdatamaskiner, for eksempel ved Københavns Universitet, er utviklet for å løse problemer innen astronomi og fysikk, og kan derfor ikke umiddelbart brukes til koronarelatert forskning.

– Vi har fire forskjellige typer superdatamaskiner i Danmark, som er designet for å løse forskjellige problemer. Noen forskere fokuserer på høy gjennomstrømning, det vil si å kunne strømme mye data raskt, mens andre er interessert i raske beregninger, typisk astronomi og fysikk. Andre problemer krever mer minne, og da har vi en akseleratorklynge som er spesielt brukt til modeller for maskinlæring, sier Eske Christiansen.

Europa deler regnekraft

Rett før påske kunngjorde det europeiske superdatasamarbeidet PRACE, som samler og koordinerer bruken av superdatamaskiner i EU, at de har ansvaret for å koordinere bruken av superdatamaskiner til forskning på koronavirus / covid-19. Konkret betyr dette at søknader om datakraft blir hurtigbehandlet hvis forskerne jobber med covid-19-relatert forskning. Så langt har superdatamaskin-klynger i Tyskland, Belgia, Finland, Irland og Frankrike stilt ressurser til disposisjon, som forskere kan søke om å få tilgang til.

I USA har myndighetene sammen med selskaper, inkludert IBM, opprettet et nytt High Performance Computing Consortium for å koordinere bruken av amerikanske superdatamaskiner til korona-relatert forskning.

Opprinnelig har konsortiet satt sammen 16 superdatamaskiner med en total kapasitet på 330 petaflops fordelt på 775.000 CPU-kjerner og 34.000 GPU-er. Denne datakraften er gjort tilgjengelig for forskere som jobber for å forstå korona-viruset. Med den datakraften fikk forskerne resultater på en til to dager, noe som ellers ville ha tatt måneder å nå med et standard datasystem. De fant 77 «small molecule» legemiddel-forbindelser.

Det skjedde ved å simulere mer enn 8000 kjemiske forbindelser for å finne de som mest sannsynlig binder seg til det proteinet viruset bruker for å angripe et menneskes celler. Hvis den kjemiske forbindelsen binder seg, kan det gjøre at proteinet ikke kan binde seg til menneskelige celler.

Låner over to exaflops

Selv om 330 petaflops høres ut som mye, er det ikke i nærheten av de svimlende 2,4 eksaflops som prosjektet Folding@gHome sier de har kommet opp i nå.

I kjølvannet av koronautbruddet har prosjektet Folding@home, som er forankret ved Stanford University, fått litt av et løft. I løpet av den siste måneden har over en halv million personer og bedrifter stilt datakraft til rådighet, som gir konstant tilgang til 100.000 datamaskiner som bidrar med datakraft til å simulere korona-virusets proteiner.

Tirsdag etter påske skrev Folding@home at de har nådd 2,4 exaFLOPS, som tilsvarer alle verdens 500 kraftigste superdatamaskiner – til sammen. Beregningene tar imidlertid lengre tid fordi de enkelte oppgavene må fordeles over hele verden i små porsjoner.

Det er langt fra bare privatpersoner som foreløpig donerer datakraft til Folding@home-prosjektet. En stor del av CPU-kjernene kommer fra store IT-selskaper som Amazon, og maskinvareselskaper Nvidia, som begge har lånt ut store mengder datakraft til prosjektet.

Men det gir ikke nødvendigvis mening å sammenligne desktopbaserte grid-løsninger som Folding@home med vanlige superdatamaskiner. For Folding@homes ressurser består av tilgang til CPU-kjerner fra fysisk atskilte brukere som kommer og går. Samtidig er det ofte også nødvendig å sende den samme jobben til 1000 forskjellige brukere samtidig, for å sikre at man kan stole på resultatene.

– Det er fascinerende å kunne samle så mye datakraft så raskt. Men det kan ikke sammenlignes med vanlige HPC-systemer fordi infrastrukturen er bedre og mer pålitelig, sier Eske Christiansen.

Samtidig er forsinkelsen mye høyere når data skal transporteres over et nettverk over lange avstander, mens de vanlige superdatamaskinene er fysisk tilkoblet på samme sted.

Folding@home-prosjektet fungerer ved at man laster ned en liten klient til din egen datamaskin, som gjør deg i stand til å låne bort regnekraft fra prosessor (CPU) og grafikkort (GPU) til prosjektet. Du bestemmer hvor mye og hvordan.

I Danmark har Folding@home fått støtte av esport-miljøet, hvor flere klubber oppfordrer til å installere den lille Folding@Home-applikasjonen.

– Vi er mange berørt av koronavirus på en eller annen måte, så vi tror det er en god ide å hjelpe der vi kan, lyder forespørselen fra Kronjyllands Esport & Tech Club.

Skulle du ha lyst til å bidra med datakraft, kan du laste ned Folding@Home-klienten, så vel som andre prosjekter, som Science United og Rosetta@home, som også jobber med koronarelatert forskning.

Rosetta@home hører hjemme på Berkeley University og har rundt 100.000 brukere over hele verden, som gir en ganske stabil datakraft på 1,26 petaflops døgnet rundt. Akkurat nå er Rosetta@home dedikert til Robetta-serveren, som i likhet med Folding@home og IBMs Summit simulerer proteiner. Den avgjørelsen ble tatt etter at en bruker av Robetta rapporterte om krasj på grunn av for høyt RAM-forbruk.

Hvis du vurderer å låne prosessor og grafikkort på jobb-PC-en din til Folding@home eller andre lignende prosjekter, er det lurt å ta kontakt med IT-avdelingen og sjekke om det er tillatt.

Denne saken ble først publisert på danske Ingeniøren, og gjøres tilgjengelig på norsk gjennom vår samarbeidsavtale med Teknologiens mediehus/Ingeniøren.