Attenzione: questa pagina è una traduzione automatica di questa pagina originariamente in lingua inglese. Si prega di notare in quanto le traduzioni sono generate da macchine, non tutte le traduzioni saranno perfetti. Questo sito web e le sue pagine web sono destinati ad essere letto in inglese. Ogni traduzione del sito e le sue pagine web possono essere imprecise e inesatte, in tutto o in parte. Questa traduzione è fornita per comodità.

il gruppo dell'Multi-istituzione riceve il premio prestigioso per la ricerca dell'innovazione su SARS-CoV-2

L'Associazione per le macchine di calcolo (ACM) ha assegnato al suo primo ACM Gordon Bell il premio speciale per alla la ricerca Basata Computare COVID-19 di rendimento elevato ad un gruppo di ricerca dell'multi-istituzione che ha compreso il Dipartimento per l'energia di Stati Uniti il laboratorio nazionale (DOE) del Argonne.

Il gruppo è stato scelto per il suo lavoro, “simulazioni AI Guidate di Multiscale illumina i meccanismi della dinamica della punta SARS-CoV-2,„ che fa luce su come il virus SARS-CoV-2 si infiltra nel sistema immunitario umano, provocando una reazione a catena virale in tutto l'organismo. Il premio è stato annunciato il 19 novembre a SC20, la conferenza internazionale per il computer a alto rendimento, rete, stoccaggio e l'analisi, tenuta virtualmente questo anno.

Siamo eccitati per estrarre questo premio prestigioso. L'intero punto è di spingere i limiti di cui possiamo fare con AI. La capacità di sottoporre a operazioni di disgaggio così insieme enorme delle simulazioni e dell'uso AI determinare alcuni fattori era chiave a questo lavoro.„

Arvind Ramanathan, biologo di calcolo e ricercatore Co-Principale, laboratorio nazionale di Argonne

Supporto una collaborazione grande degli organismi di ricerca e delle discipline scientifiche, del Argonne che esplora l'uso di intelligenza artificiale e delle risorse di computer a alto rendimento studiare, nei minimi particolari, la dinamica complessa della proteina della punta, una delle proteine chiave nel virus SARS-CoV-2.

Il gruppo, formato da quasi 30 ricercatori attraverso le 10 organizzazioni, sta provando a capire come quella proteina lega a ed interagisce con uno dei primi punti di contatto con la cellula umana, la proteina di ACE2-receptor. Quell'associazione comincia una cascata degli eventi che finalmente lascia le membrane di cellula umana e virali fondere, permettendo che il virus SARS-CoV-2 entri ed infetti nel host.

Le proteine non sono statiche, hanno una vasta gamma di emozioni che misurano le lunghezze e le scale cronologiche multiple e non è capito sempre quale moti sono importanti, note Arvind Ramanathan, un biologo di calcolo di Argonne e ricercatore co-principale sul progetto. Per capire e simulare quegli atti richiedono un gran quantità dei dati e dei mezzi informatici.

Sviluppare una simulazione ragionevole della proteina della punta da solo può creare un sistema enorme che consiste di circa 1,8 milione atomi e le simulazioni possono consistere dei gruppi di dati enormi che tassano le risorse in anche più grandi supercomputer. Per rendere quei dati più accessibili per l'interpretazione, il gruppo ha messo a punto un metodo di apprendimento automatico che può riassumere i grandi volumi di dati.

“Una delle cose chiave che questo metodo ha permesso che noi facessimo era di determinare che cosa era interessante, che cosa era importante, anche quelle cose che non erano ovvie all'occhio umano,„ ha detto Ramanathan. “Così, quando sembrate più profondo facendo uso delle simulazioni, cominciate vedere i cambiamenti significativi nella struttura della proteina, che ci ha detto qualcosa circa come la proteina della punta apre tali che può interagire con il ricevitore ACE2.„

Mentre la dimensione dei sistemi che stavano funzionando sopra si è sviluppata, le sfide affrontate gruppo di operazione di disgaggio dei tutti dati per funzionare fluido sugli odierni i più grandi ed i migliori sistemi di supercomputing come pure le loro componenti chiavi.

Poiché molti dei modelli che di apprendimento automatico stavano preparando su queste grandi simulazioni state necessarie per essere sottoposto a operazioni di disgaggio efficientemente per uso sui supercomputer, partnered con NVIDIA, una guida in GPU e una progettazione di intelligenza artificiale, efficacemente per eseguire i modelli sulla sommità, al laboratorio nazionale di Oak Ridge della DAINA.

Il gruppo egualmente ha utilizzato molti dei supercomputer degli Stati Uniti della cima, compreso il teta a Argonne; Frontera/mucca texana al Texas ha avanzato il centro di elaborazione; Cometa al centro di supercomputing di San Diego; e Lassen al laboratorio nazionale del Lawrence Livermore della DAINA, scoprire i modi alternativi trattare l'allagamento dei dati.

“Dato la complessità dei dati, provare a capire l'interazione della ricevitore-punta ACE2 è sembrato quasi impossibile a questo disgaggio,„ Ramanathan ha confidato. “Una delle cose che abbiamo mostrato chiaramente era che potremmo attivare una campionatura di queste configurazioni dinamiche, spingente l'idea che potremmo usare il AI per gettare un ponte su questi disgaggi differenti.„

I dati generati, finora, stanno fornendo le nuove comprensioni in come la regione del gambo della proteina della punta cambia i sui moti globali quando interagisce con il ricevitore ACE2, ha detto. Finalmente, questi generi di comprensioni derivate dalla combinazione altamente unita di apprendimento automatico e la simulazione contribuiranno a facilitare le scoperte del vaccino o dell'anticorpo.