Advertencia: Esta página es una traducción de esta página originalmente en inglés. Tenga en cuenta ya que las traducciones son generadas por máquinas, no que todos traducción será perfecto. Este sitio Web y sus páginas están destinadas a leerse en inglés. Cualquier traducción de este sitio Web y su páginas Web puede ser imprecisa e inexacta en su totalidad o en parte. Esta traducción se proporciona como una conveniencia.

las personas de la Multi-institución reciben la recompensa prestigiosa para la investigación de la ruptura sobre SARS-CoV-2

La asociación para el material de cálculo (ACM) concedió a su primer ACM Gordon Bell el premio especial para la investigación Calcular-Basada COVID-19 del alto rendimiento a un equipo de investigación de la multi-institución que incluyó el Ministerio de los E.E.U.U. de laboratorio (DOE) nacional de Argonne de la Energía.

Destacaron a las personas para su trabajo, las “simulaciones AI-Impulsadas de Multiscale iluminan mecanismos de la dinámica del pico SARS-CoV-2,” que brilla una luz en cómo el virus SARS-CoV-2 infiltra el sistema inmune humano, fijando lejos una reacción en cadena viral en la carrocería. La recompensa fue anunciada el 19 de noviembre en SC20, la Conferencia Internacional para el ordenador de alto rendimiento, establecimiento de una red, almacenamiento, y análisis, llevado a cabo virtualmente este año.

Nos excitan para haber ganado esta recompensa prestigiosa. El punto entero es activar los límites de lo que podemos hacer con el AI. La capacidad de escalar un equipo tan enorme de las simulaciones y del uso AI de impulsar algunos factores era dominante a este trabajo.”

Arvind Ramanathan, biólogo de cómputo e investigador Co-Principal, laboratorio nacional de Argonne

Soportar una colaboración grande de las organizaciones de investigación y de las disciplinas científicas, Argonne que explora el uso de la inteligencia artificial y de los recursos del ordenador de alto rendimiento de estudiar, con gran detalle, la dinámica compleja de la proteína del pico, una de las proteínas dominantes en el virus SARS-CoV-2.

Las personas, comprendidas de casi 30 investigadores a través de 10 organizaciones, están intentando entender cómo esa proteína ata a y obra recíprocamente con uno de los primeros puntos del contacto con la célula humana, la proteína de ACE2-receptor. Ese atascamiento comienza una cascada de acciones que permita eventual las membranas celulares virales y humanas fundir, permitiendo que el virus SARS-CoV-2 inscriba e infecte al ordenador principal.

Las proteínas no son estáticas, tienen una amplia gama de emociones que atraviesen largos y calendarios múltiples y no se entiende siempre qué movimientos son importantes, notas Arvind Ramanathan, un biólogo de cómputo de Argonne e investigador co-principal en el proyecto. Para entender y simular esas acciones requiere una enorme cantidad de recursos de los datos y el calcular.

Desarrollar una simulación razonable de la proteína del pico solamente puede crear un sistema enorme que consiste en aproximadamente 1,8 millones de átomos y las simulaciones pueden consistir en los grupos de datos enormes que gravan los recursos incluso de los superordenadores más grandes. Para hacer esos datos más accesibles para la interpretación, las personas desarrollaron un método del aprendizaje de máquina que puede resumir volúmenes de datos grandes.

“Una de las cosas dominantes que este método permitió que hiciéramos era determinar cuál era interesante, cuál era importante, incluso esas cosas que no eran obvias al aro humano,” dijo a Ramanathan. “Así pues, cuando usted parece más profundo usando las simulaciones, usted comienza a ver cambios importantes en la estructura de la proteína, que nos informó algo sobre cómo la proteína del pico abre tales que puede obrar recíprocamente con el receptor ACE2.”

Mientras que la talla de los sistemas que trabajaban conectado creció, los retos hechos frente las personas de escalar todos los datos para ejecutarse flúido en sistemas más grandes y mejores de hoy de la superinformática, así como sus componentes claves.

Porque muchos de los modelos del aprendizaje de máquina que entrenaban en estas simulaciones grandes necesarias para ser escalado eficientemente para el uso en los superordenadores, partnered con NVIDIA, un líder en GPU y diseño de la inteligencia artificial, para funcionar con efectivo los modelos en cumbre, en el laboratorio nacional de la Oak Ridge de la GAMA.

Las personas también utilizaron muchos de los superordenadores de los E.E.U.U. de la capota, incluyendo theta en Argonne; Frontera/el fonolocalizador de bocinas grandes en Tejas avance el centro de cómputo; Cometa en el centro de la superinformática de San Diego; y Lassen en el laboratorio nacional de Lorenzo Livermore de la GAMA, destapar maneras alternativas de manejar el diluvio de datos.

“Dado la complejidad de los datos, el intentar entender la acción recíproca del receptor-pico ACE2 parecía casi imposible en esta escala,” Ramanathan confió. “Una de las cosas que mostramos sin obstrucción era que podríamos accionar un muestreo de estas configuraciones dinámicas, activando la idea que podríamos utilizar el AI para puentear estas diversas escalas.”

Los datos generados, están ofreciendo hasta ahora nuevos discernimientos en cómo la región del tallo de la proteína del pico cambia sus movimientos totales cuando obra recíprocamente con el receptor ACE2, él dijo. Eventual, estas clases de discernimientos derivados de la combinación altamente combinada del aprendizaje de máquina y la simulación ayudarán a facilitar descubrimientos del anticuerpo o de la vacuna.