Змагаймось в нашій команді Folding@Home!

[ronemun]

спочатку основне:
- головна тема - фолдинг, а тут багато атомів (тисячі і міліони) і взаємодій між ними. Тому паралельність тут в корені
- паралельність - це не саме важливе, а саме що кожна частинка взаємодіє з іншими, тобто це матриця, а частинка є окремим мікроядром.
- матриця теж не важлива - тре визначити стан системи через певний час, подію і т.п. Тобто тре обрахувати всі попередні стани, але їх дані йдуть у сміття.
- самі обчислення не просто паралельні (тобто в багато потоків, навіть з обміном даними між ними). Уяви прорахунок навіть простої задачі, типу поширення хвилі по решітці. Задача - прорахувати силу - величину сили і напрямок для кожного вузла в певний момент. Візьмем найпростіший алгоритм - значення у кроці 2 дорівнює середньо-арифметичному всіх сусідніх значень (можна з вагами, враховуючи неоднорідність і т.п.). Для архітектури фон неймана тре для обчислення кожного вузла взяти значення з загальної памяті всіх сусідніх значень, обчислити, і зберегти назад. Оскільки дані необхідні для обчислення інших вузлів, то вони будуть зберегітись до тих пір поки необхідні. Якщо ж обчислення паралельні, тобто на кількох ядрах, то ці дані також мають бути скопійовані-передані в їх память, якщо тре - на інші ноди через мережу і т.п. На цьому можна з економити, якщо нитки обчислень розподілити так щоб проміжні дані не впливали на інші потоки. І так зі всіма вузлами - зчитав, обрахував, зберіг, передав іншим потокам. І на кожній ітерації все повторюється. Також тре багато оперативки для збереженя проміжних даних, які актуальні, тобто необхідні для наступних ітерацій.
Тоді як масивний паралелізм передбачає що: ядер є стільки скільки вузлів решітки (або більше). Всі вони між собою звязані по сусідству, тобто адресів як таких не існує, тільки лівий-правий, верхній-нижній. Для обчислення всі ядра одночасно отримують значення сусідніх вузлів, обчислють і зберігають у себе ж. Наступний крок все повторюється. Тобто вся матриця обраховується за один такт, при цьому: 1. оперативної памяті не тре - дані зберігаються прямо в ядрах до наступного кроку 2. передачі даних нема взагалі (доступ до даних сусідніх ядер забезпечується апаратно як спільний кеш між сусідніми ядрами - цеж простіше простого). І всі ресурси на память, шини, узгодження, йдуть на створення нових ядер. Вже зараз відеокарта має 2880 ядер. Але це дуже масивні ядра, які можна розділити на 1 складне і 4-6 простих (тре 2 на кожен вимір). І вони багато жруть (висока частота і висока напруга). Якщо зменшити частоту у 2 рази можна паралельно наклеїти ще декілька чіпів і збільшити матрицю чи їх кількість і т.п.

[Alexsandr]

паралельність - це не саме важливе, а саме що кожна частинка взаємодіє з іншими, тобто це матриця, а частинка є окремим мікроядром.
- матриця теж не важлива - тре визначити стан системи через певний час, подію і т.п. Тобто тре обрахувати всі попередні стани, але їх дані йдуть у сміття.
Вот здесь и есть ключ. Сервер обрабатывает данные мусорные, но блоки вычислений дальнейших копятся локально, сервер потом или просит их передать и на ихней основе кидает задания или данные теряются как ненужные. там ведь просчет минимальной энергии, и нуже на серверная часть и алгоритмы которые смогут быстро правильно направлять потоки, кучи данный при это не будет.

Тоді як масивний паралелізм передбачає що: ядер є стільки скільки вузлів решітки (або більше). Всі вони між собою звязані по сусідству, тобто адресів як таких не існує, тільки лівий-правий, верхній-нижній. Для обчислення всі ядра одночасно отримують значення сусідніх вузлів, обчислють і зберігають у себе ж. Наступний крок все повторюється. Тобто вся матриця обраховується за один такт, при цьому: 1. оперативної памяті не тре - дані зберігаються прямо в ядрах до наступного кроку 2. передачі даних нема взагалі (доступ до даних сусідніх ядер забезпечується апаратно як спільний кеш між сусідніми ядрами - цеж простіше простого). І всі ресурси на память, шини, узгодження, йдуть на створення нових ядер. Вже зараз відеокарта має 2880 ядер. Але це дуже масивні ядра, які можна розділити на 1 складне і 4-6 простих (тре 2 на кожен вимір). І вони багато жруть
кеш это тип памяти, хранить данные в общем кеше при некотором кол-ве ядер становится уже сложно, нужно помнить какое ядро задействовало данные из кеша, не отдавать данные пока не появится новое значение т.е. нужны будут центры контроля+много блоков по краям,но блоки будет простыми а между центрами опять возникнет конкуренция.
Видеокарты хороший пример этому. Кол-во блоков растет, а вот отдача от каждого падает и при удвоении блоков зачастую имеем прирост только под 30%

[ronemun]

кеш я згадав лише як спільну память між сусідніми ядрами, і дані якої автоматично витісняються на наступному кроці - тобто не потрібен складний контролер памяті і т.п.
При МП (масивному паралелізмі) нема втрат - кількість ядер = кількості вузлів, ні більше, ні меньше. Але якщо є більше, то їх можна використовувати для інших задач. А щодо зарашніх відеокарт, то фолдинг на них масштабується лінійно до кількості потоків, практично без втрат

[Alexsandr]

Потери будут, скорее всего они уже есть, хорошо бы сравнить на одинаковой архитектуре результаты.

Яне представляю как можно вычислить без потерь дажео бладая большой матрицей. Лучше всего справится данной задачей аналоговый компьютер, но по сути мы и пытаемся понять что он там вычисляет, ибо результат видим, но трудно понять что там происходит и что получили в результате.

[ronemun]

хмари, а точніше Google, теж беруть участь у фолдингу
Новая серьезная работа Pande Group только что вышла в журнале Nature Chemistry и - сюрприз! - попала на обложку!
Вкратце, мы использовали методы, разработанные и отточенные в Folding@home для Google Exacycle (облачные вычисления Google — похоже на работу Folding@home за их файрволлом). Google предоставили Folding@home очень солидные ресурсы, которые позволят нам энергично работать с действительно значимой и важной проблемой в биологии и создании препаратов.
В частности, мы получили возможность изучать белковую динамику B2AR? - рецептора, сопряженного с G-белком? - важного во многих медицинский и биологических процессах (особенно астме или болезнях сердца). Еще один захватывающий момент в том, что это открывает двери для гораздо более широкого применения FAH и наших методов. На самом деле это лишь первая из нескольких публикаций в серии работ по применению FAH и FAH-подобных методов для решения ключевых биомедицинских вопросов.
Больше информации можно прочитать в соответствующей статье на нашем сайте

переклад взято тут

[ShaggY]

ronemun
Супер новини!

[Alexsandr]

Хорошо. но где реальные результаты? Пока ведь только подтверждения теории (практики) идут насколько я помню.

[ronemun]

1. тут коротко по задачам і рокам
за 2012 рік досить багато зробили, 2013 ще не закінчився
2. список публікацій тут. Спочатку йде перелік, а нижче короткий опис.
3. крім науки ще йде розвиток самого проекту, що відображається в блозі тут

Щодо результатів, то все таки проект не просто рахує моделі, а і розробляє загальну теорію і згідно неї йде вдосконалення моделей. Очевидно, до кінця ще далеко - надто складна область. А так проект дає основні складові для цього: розподілену мережу обчислень, методику розрахунків і теорію аналізу результатів і колектив професіоналів. Але сам проект є проміжною ланкою між наукою (біохіміками) і фолдерами (які жертвують залізо). Реальні результати ж створюють науковці поза межами проекту.
Приведу частинку тексту (звідси) "Представляем лабораторию Чодера в Мемориальном онкологическом центре им. Слоуна-Кеттеринга" від 14.09.2013

Лаборатория Чодера в Мемориальном онкологическом центре им. Слоуна-Кеттеринга только что получила новые сервера F@H, которые позволят нам подключиться к 10+ PFLOPS мощности, щедро предоставленной фолдерами проекта. Мы очень рады присоединиться к такому энергичному сообществу и принести несколько F@H ресурсов для решении некоторых проблем рака, над которыми мы сейчас работаем.
Наша задача - полностью пересмотреть методы создания лекарств (особенно противоопухолевых препаратов), используя компьютеры, видеокарты, распределенные вычисления, роботов и вообще любые доступные нам технологии. Мы хотим сделать разработку новых лекарств более технической задачей, где новейшие компьютерные модели смогут количественно и точно предсказать поведение нового препарата еще до того, как он будет синтезирован. Конечно, это произойдет не сразу, нужно будет проделать большую работу, чтобы улучшить наши алгоритмы, силовые поля и теорию. С огромными вычислительными мощностями F@H мы сможем быстро делать предсказания и затем проверять их в нашей лаборатории (с роботами!), быстро улучшая результат с каждым циклом предсказания-проверки.
_____________________________________________________________

В новому записі В. Панде підсумовує досягнення 2013 року і розповідає про плани на наступний рік. Ну і вітання звичайно ж.

_____________________________________________________________

Тільки що подивився що там фолдінг в Гугла рахує. Цитата з самого Гугла (інтересні речі, імхо, виділив жирним)

Sampling the conformational space of G protein-coupled receptors
Kai Kohlhoff, Research Scientist at Google
Collaborators: Research labs of Vijay Pande and Russ Altman at Stanford University

Research subject: G protein-coupled receptors (GPCRs) are proteins that act as signal transducers in the cell membrane and influence the response of a cell to a variety of external stimuli. GPCRs play a role in many human diseases, such as asthma and hypertension, and are well established as a primary drug target.
Exacycle impact: Exacycle let us perform many tens of thousands of molecular simulations* of membrane-bound GPCRs in parallel using the Gromacs software. With MapReduce, Dremel, and other technologies, we analyzed the 100s of Terabytes of generated data and built Markov State Models**. The information contained in these models can help scientists design drugs that have higher potency and specificity than those presently available.
Results: Our models let us explore kinetically meaningful receptor states and transition rates, which improved our understanding of the structural changes that take place during activation of a signaling receptor. In addition, we used Exacycle to study the affinity of drug molecules when binding to different receptor states.

* багато десятків тисяч молекулярних симуляцій
** проаналізовано сотні терабайт згенерованих даних і побудовані моделі Маркова
і все це для того щоб ми могли розслаблятись частіше, випробовуючи на міцність печінку, селезінку і т.д.
П.С. ото десь Google собі очків нарахує
_____________________________________________________________
команда 650.000000

[ronemun]

команда 80 місце

[ronemun]

команда 424,577,167 очок за рік
новий рекорд за місяць 45,909,948

Всім цікавих задач і потужного заліза, а команді нових ентузіастів

[ShaggY]

Всіх з новим роком та побільше очок!

[Шаженла]

Привет всем. А как ловить что то кроме 8900 на GPU? А то запускаю фаервол... И всё на этом заканчивается

[ronemun]

я вже давно не бачив 781х проектів. Напевно, пока краще залишатись на 8900.

[ShaggY]

В мене якась біда, перестали качатися завдання у віндомоу клієнті для відяхи, перевстановив, нічого.. З ранку ще все номрально було.
отаке пише і все:

20:28:39:WU01:FS00:Connecting to assign-GPU.stanford.edu:80

Добавлено через 2 часа 25 минут 44 секунды:
А теперь, все нормально.. странно как-то.

[ChegeWARe]

Хорошо. но где реальные результаты?

тут коротко по задачам і рокам

The benefit of this approach is that this drug could hit the market considerably quicker and also (if the repurposed drug is a generic) at a considerably lower cost.
Если вкратце, то снижается стоимость исследований и время до выхода на рынок(в некоторых случаях).
То что идет помощь тем кто зарабатывает на этом деньги - фиг с ним, я не собираюсь жить с фолдинга.
Волнует другое - где же конкретные названия лекарств?

[ShaggY]

Что-то с сегодня стали приходить только 11293 на 16-м ядре без бонусов, да еще и проц грузят сильно..
Поменял систему, переехал на ссд, проверил настройки, все равно то же самое..

[ronemun]

1. так це в них сервер з завданнями впав. Вони ще один резервний підняли швидко:( Обіцяли після вихідних за роботу взятись (хоча адміни в них зараз по скороченому графіку працюють)

2. Мы заметили нехватку заданий для Core17 и уже создаем новые. Это займет некоторое время, возможно, до завтрашнего утра. А затем будет много Core17 заданий.
зараз (19:17) вже все Ок

[ShaggY]

Так бачу вже прийшла 8900? дякую!
Але чомусь відїдає одне ядро постійно, а не тільки на початку розрахунків..

[ronemun]

дивно
1. скоріше всього драйвера тре замінити
2. це точно клієнт, а точніше FAHcore_17.exe зїдає, а не інший процес?
3. може в тебе рахується старе завдання з 16-м ядром - вони якраз і відїдали 1-е ядро.

Добавлено через 3 минуты 8 секунд:

Волнует другое - где же конкретные названия лекарств?

Очевидно, тре шукати в статтях керівників відповідних проектів, які рахуються у фолдингу.

Добавлено через 1 час 21 минуту 13 секунд:
в мене середній PPD>1 лимона

[ShaggY]

Ну тоді спробую поставити більш стару версію ніж 13,12.
ТОчно ядро 17-е. 16-е взагалі дурне, може відїдати навіть 2

ronemun

а в мене мабуть був збій світла на роботі, тож повимикались деякі компи, і ппд впав а я у відпустці))
треба когось завтра попросити увімкнути.