NVIDIA ha annunciato che le quattro applicazioni principali per la scienza dei materiali e la modellazione biomolecolare – LAMMPS, GROMACS, GAMESS e QMCPACK – hanno integrato il supporto delle soluzioni di accelerazione basate su più GPU, che consentono di ridurre i tempi di simulazione da giorni a poche ore.

Di conseguenza, gli scienziati possono studiare modelli molecolari di dimensioni maggiori per periodi di tempo più lunghi e con una precisione superiore, con ricadute interessanti sulla comprensione del potenziale impatto dei farmaci e sull'efficacia dei nuovi materiali. Gli sviluppatori di farmaci, inoltre, possono ridurre i tempi di scoperta e i costi di sviluppo.

Le quattro applicazioni di modellazione scientifica entrano a far parte di un elenco di software in costante crescita – che comprende, tra gli altri programmi, AMBER, NAMD e TeraChem – che permettono a ricercatori universitari, pubblici e privati di far avanzare la ricerca sfruttando la potenza delle GPU.

"L'ampio accesso a strutture di GPU Supercomputing di costo contenuto e di estrema efficienza energetica può rivoluzionare la ricerca scientifica", ha dichiarato Sumit Gupta, Manager della divisione Tesla di NVIDIA. "I vantaggi offerti da questa soluzione di calcolo alla scienza sono significativi. Ora, ad esempio, i ricercatori possono studiare con maggiore precisione e rapidità il comportamento biologico delle proteine e le interazioni dei prototipi di farmaci prima di eseguire i lunghi e costosi studi su animali e i trial sui pazienti."

Le quattro applicazioni citate sono ampiamente utilizzate da scienziati impegnati nella trasformazione della modellazione in una serie di aree chiave:

• GAMESS è un'applicazione di chimica quantistica importante nella progettazione di nuovi farmaci e materiali. Si avvale di metodi computazionali per riprodurre la struttura elettronica e le proprietà delle molecole.
• GROMACS permette la simulazione delle interazioni biomolecolari tra proteine e prototipi di farmaci. Può essere usato per studiare la ricombinazione proteica e i suoi errori, possibilità importante per capire certe malattie quali il morbo di Alzheimer, quello di Huntington e alcune forme di tumore.
• LAMMPS viene usato per modellare a scala atomica, materiali morbidi (biomolecole, polimeri) o a stato solido (metalli, semiconduttori).
• QMCPACK simula le proprietà dei materiali con eccellenti doti di scalabilità e precisione grazie all'uso di una simulazione Monte Carlo quantistica.

Dichiarazioni
"Il nostro obiettivo è un codice efficiente e altamente scalabile e non ci arrestiamo di fronte a nulla per ottenerlo. La tecnologia di elaborazione in parallelo su GPU sembra essere la strada più promettente per arrivare al traguardo che ci siamo posti. Data la nostra associazione con un laboratorio DOE, l'efficienza energetica è di pari importanza. Ma questo è un altro dei vantaggi offerti dall'accelerazione della chimica quantistica per mezzo delle GPU."
--Mark Gordon, professore emerito del dipartimento di chimica della Iowa State University, direttore dell'Applied Mathematical Sciences Program dell'AMES Laboratory, responsabile di progetto per il GAMESS

"Siamo convinti che GROMACS 4.6 supportato da GPU possa aumentare di 2-3 volte le prestazioni della simulazione. Simulazioni più rapide permettono ai ricercatori di ottenere una migliore comprensione del comportamento biologico dei prototipi di farmaci e dei recettori proteici affetti dalle malattie."
--Erik Lindahl, professore di biofisica teorica e computazionale del KTH Royal Institute, nonché professore di biologia strutturale computazionale presso l'AlbaNova University Center dell'università di Stoccolma

"Con i carichi di lavoro più ingenti, abbiamo riscontrato un accelerazione di QMCPACK che arriva sino a tre volte (nodo su nodo) per i nodi a GPU singola rispetto ai nodi con CPU dual-socket. Inoltre siamo in grado di scalare queste prestazioni su centinaia di GPU. Questo ci ha permesso di fare indagini sulle proprietà dei materiali con una scala e un livello di precisione senza precedenti."
-- Jeongnim Kim, Scienziato ricercatore all'Oak Ridge National Laboratory.

"Gli esperti di dinamica molecolare sono ostacolati da arcinote limitazioni di durata: non possono creare simulazioni di durata sufficiente a modellare molti dei fenomeni di maggiore interesse", ha dichiarato uno degli sviluppatori originari di LAMMPS. "La durata delle simulazioni può però essere notevolmente estesa usando cluster di GPU su grande scala."
--Steve Plimpton, membro di spicco del personale tecnico dei Sandia National Laboratories

"La disponibilità locale di numerosi nodi di GPU di estrema efficienza computazionale ci ha permesso di creare un nuovo approccio allo sviluppo farmacologico, in grado di raccogliere preziose intuizioni sui meccanismi che regolano le malattie." Grazie alle GPU, siamo stati in grado di eseguire un numero molto maggiore di simulazioni riducendo il gruppo di ipotesi su cui sono fondate. Questo ci ha permesso di realizzare modelli più realistici."
--Dr. Michael Kuiper, esperto in discipline computazionali della Victorian Partnership for Advanced Computing

Per ulteriori informazioni sulle GPU NVIDIA Tesla, visitare questo indirizzo. Per ulteriori informazioni sull'architettura NVIDIA CUDA visitare questo indirizzo.

NVIDIA announced that four leading applications for material-science and biomolecular modeling -- LAMMPS, GROMACS, GAMESS, and QMCPACK -- have added support for multiple GPU acceleration, enabling them to cut simulation times from days to hours.

As a result, scientists can study larger molecular models for longer time periods with greater accuracy, leading to increased knowledge of the potential impact of drugs and the effectiveness of new materials. Drug developers could also benefit from shorter discovery times and lower development costs.

The four scientific modeling applications join a growing list of applications -- including AMBER, NAMD and TeraChem, among others -- that enable university, government and industry researchers to advance research by leveraging the power of GPUs.

"Wide access to inexpensive, energy efficient supercomputing enabled by GPUs has the potential to accelerate the pace of scientific research," Sumit Gupta, manager of the Tesla business unit at NVIDIA. "The benefit of this computing power to science is significant, such as enabling researchers to more quickly and accurately simulate biological behavior of protein and drug candidate interactions prior to expensive and time-consuming animal studies and patient trials."

The four applications are widely used by scientists engaged in using supercomputing to advance modeling in a variety of key areas:

• GAMESS is a quantum chemistry application important in the design of new drugs and materials. It uses computational methods to solve the electronic structure and properties of molecules.
• GROMACS enables the simulation of biomolecular interactions between proteins and drug candidates. It can be used to study protein folding and mis-folding, which is relevant in understanding such diseases as Alzheimer's, Huntington's disease and some forms of cancer.
• LAMMPS is utilized to model, at the atomic scale, soft (biomolecules, polymers) or solid-state (metals, semiconductors) materials.
• QMCPACK simulates the properties of materials, achieving high accuracy and excellent scalability using a continuum quantum Monte Carlo method.

Quotes
"We like to push the envelope as far as we can toward highly scalable efficient code. GPU technology is the most promising way to achieve this goal. Given our association with a DOE laboratory, energy efficiency is equally important, which is another benefit of accelerating quantum chemistry using GPUs."
-- Mark Gordon, distinguished professor at Iowa State University's Chemistry Department, director of the Applied Mathematical Sciences Program at AMES Laboratory, project lead for GAMESS

"GROMACS 4.6 supported by GPUs is expected to accelerate simulation performance 2-3 times faster than previously possible. The greater simulation speed enables research scientists to have deeper insights into the biological behavior of drug candidate and protein receptors involved in diseases."
-- Erik Lindahl, professor of Theoretical & Computational Biophysics, KTH Royal Institute, and technology professor of Computational Structural Biology, at Stockholm University's AlbaNova University Center

"For major workloads using QMCPACK, we're seeing a 3x node-to-node speedup for single-GPU nodes over dual-socket CPU nodes. We're also seeing excellent scaling of this performance for hundreds of GPUs. This allows us to investigate material properties at an unprecedented scale and level of accuracy."
-- Jeongnim Kim, R&D scientist at Oak Ridge National Laboratory.

"Molecular dynamics practitioners are handicapped by well-known timescale limitations: they can't simulate long enough to model many phenomena of interest," said one of the original LAMMPS developers. "Simulation timescales can be extended dramatically by use of large-scale clusters of GPUs."
-- Steve Plimpton, distinguished member of technical staff at Sandia National Laboratories

"The Availability of many computationally efficient GPU nodes locally has allowed us to approach drug design in a new way, giving fresh insights into disease mechanisms. With GPUs, we've been able to run many more simulations with fewer assumptions, creating more realistic models."
-- Dr. Michael Kuiper, computational scientist at Victorian Partnership for Advanced Computing

Biomolecular and material-science researchers interested in a free trial of these new these GPU-accelerated applications can register today for the NVIDIA Tesla MD SimCluster program. This off-the-shelf integrated cluster solution is fully optimized to simulate large-size models and achieve higher accuracy, while significantly reducing simulation time.

For more information about NVIDIA Tesla GPUs visit here. For more information about the NVIDIA CUDA architecture visit here.

• Comments
• Commenti