【英伟达NVIDIA中国】GPU 探究光合作用的分子设计原理，超级计算机助力研究人员通过能效——不仅仅是车辆设计或电网构建中

文章图片
能效——不仅仅是车辆设计或电网构建中的关注点；作为一道微观计算题，它在每个细胞里也扮演着同样重要的角色。
无论是依靠光还是葡萄糖作为能量转换的来源，每个细胞都在马不停蹄地工作，以产生足够的能量，让自己在所处的环境下生存。在这个过程中，能量转换的效率越高，细胞产出的能量就越高。
伊利诺伊大学香槟分校（UniversityofIllinoisatUrbana-Champaign）和亚利桑那州立大学（ArizonaStateUniversity）的研究人员正在模拟光合生物，以了解光合生物如何捕获能量，以及如何提高能量产出。
在农业领域，这样的优化意味着会收获更高的谷物产量；在医疗领域，这可能意味着改善精密医学中抗体和肽的递送，甚至延长细胞的生命周期；在能源领域，这还可以用来提高生物燃料的效率。
AbhishekSingharoy是亚利桑那州立大学分子科学学院的助理教授。他表示， “所有植物都渴望能够在任何条件下生存，从根本上提高能量转化效率可使它们在多种环境下存活。作为科学家和生物工程师，我们可以培育出更高产的植株，从而为人类提供更多能量。 ”
Singharoy和他的合作伙伴在通过NVIDIAGPU加速的超级计算机上（包括来自橡树岭国家实验室的Summit ，它拥有世界上最快的系统），运行分子动力学模拟。他的团队在GTCDigital2020上介绍了他们的成果， GTCDigital2020涵盖了150多场主题演讲。
什么是光合作用效率？
绿色植物可以通过光合作用将光能转化为自身所需能量，然而在很多植物中，仅有不到10%的光能被转化为可用养分。为了究其原因，研究人员使用了通过GPU加速的仿真技术，来模拟紫细菌光合作用的机制。
在Summit超级计算机上，原子级的仿真技术可以实现在500纳秒（即0.5微秒）内，对1.36亿个原子及其运动轨迹进行建模。
比起Summit的上一代Titan计算机，研究团队发现其运行时间大大缩短了6倍。他们平均使用系统上的922个节点来进行模拟，每个节点都包含6个NVIDIAV100TensorCoreGPU 。
伊利诺伊大学的高级研究程序员JimPhillips谈到， “对于获得真实的模型来说，将分辨率提高到原子级别是十分必要的。想要快速运行这般规模的动态模型，就需要把GPU并行化。 ”
然而，如果要捕获光合作用中的光能转化过程，研究人员就需要进行长达几十毫秒的模拟。他们并没有单独模拟每个原子，而是利用近似值，将细胞简化至刚性域，使这些细胞经过30毫秒完成标记。
接着，研究团队拓展了预判，以确定细胞在不同阳光条件下繁殖所需要的时间。团队发现在弱光条件下，该细菌繁殖能力最强，这使其适应了泥水中的生存环境。
Singharoy说道， “我们知道泥水中经常滋生细菌，但我们想进一步知道它们为什么会生存在这样的环境里。可能出于其生物构造，它们无法在阳光充沛的条件下产生更多能量，就索性生长在阳光不足的地方了。 ”
紫细菌只是作为入手的工具，因为它结构简单的特点，可以帮助我们获取在其他具有蛋白质结构的生物体上能用到的数据。随着更复杂的光合生物（诸如菠菜等）数据集的发布，研究人员将会模拟更复杂的光合生物，来提高更多植物的能量转换效率。
【【英伟达NVIDIA中国】GPU 探究光合作用的分子设计原理，超级计算机助力研究人员通过】此外，研究人员还期望利用现有的仿真技术来训练神经网络，使其能够基于机器学习，而非分子动力学，来对细胞行为做出预判。