Bulut Tabanlı HPC Araştırmacıların Sağlık Hizmetlerini İleriye Taşımasına Yardımcı Oluyor

AWS, Sağlık Araştırmacıları için İsteğe Bağlı HPC Kaynakları Sağlıyor

Şirket içi kümelerin avantajları olsa da, geleneksel bir HPC kümesi kurmak yedi veya sekiz ay sürebilir. Bir kuruluş ihtiyaç duyduğu donanımı tedarik edip kurduğunda, teknoloji çoktan güncelliğini yitirmiş olabilir. Gerekli grafik işleme birimlerinin tedarik edilmesinin zor olabileceğinden bahsetmiyorum bile. Xu'ya göre, HPC hizmetlerini AWS üzerinden kullanmak, kuruluşun en yeni donanıma hemen erişebilmesini sağlar.

AWS, sağlık kuruluşlarına HPC söz konusu olduğunda çeşitli seçenekler sunar. AWS Parallel Computing Service, Kaynak Yönetimi için tamamen yönetilen bir Basit Linux Yardımcı Programı kümesidir . Bir araştırmacı, işlemci türleri ve gecikme ihtiyaçları gibi özelliklerini karşılayan bir SLURM kümesini 20 dakika içinde oluşturabilir. Kullanıcı, hesaplama düğümlerini kontrol edebilir ve düğüm gruplarını kendisi oluşturabilir. Ek olarak, bir kullanıcı yerel bir uygulama çalıştırabilir veya SLURM zamanlayıcısı ile AWS'de kapsayıcı uygulamaları çalıştırabilir.

"100.000'e kadar CPU çalıştırabilen bir hesaplama ortamı yaratabilirsiniz, ancak yalnızca iki CPU isterseniz, o kadar ücret ödersiniz," dedi Xu. "İsteğe bağlı. Kullandığınız kadarını ödersiniz."

AWS ParallelCluster, SLURM zamanlayıcısı ve eklentileri üzerinde tam kontrol isteyen araştırmacılar için alternatif bir hizmettir. Kullanıcının bulutta kendilerinin yönettiği tamamen özelleştirilmiş bir HPC kümesi oluşturmasına olanak tanıyan açık kaynaklı bir çözümdür.

Araştırmacılar 800'den fazla HPC örneği türünden seçim yapabilir. Amazon FSx for Lustre ve Amazon File Cache gibi kaynaklar HPC hedeflerine yardımcı olmak için kullanılabilecek diğer kaynaklardır.

Xu, "Kaynaklarınızı israf etmenizi istemiyoruz, bu nedenle yalnızca kullandığınız kadarını ödeyeceksiniz" dedi.

İLGİLİ: Yüksek performanslı bilgi işlemi başarıyla dağıtmak için üç adımı izleyin.

NIH, Kardiyovasküler Hastalık Proteinlerini Daha İyi Anlamak İçin HPC'yi Kullanıyor

Kardiyovasküler hastalık, küresel olarak insan ölümlerinin 1 numaralı nedenidir. 2019 yılında dünya çapında 18,6 milyon insan bu hastalıktan öldü . Kanda yüksek miktarda düşük yoğunluklu lipoprotein bulunması, kardiyovasküler hastalık riskini artırır. LDL parçacıkları kanda birikebilir, atardamar duvarlarında birikebilir ve plaklar oluşturabilir, bu da kalp krizi veya felce yol açabilir.

Marcotrigiano'ya göre ABD'de 50 yaş üstü nüfusun %30 ila %40'ı yüksek kolesterolü tedavi etmek için statin kullanıyor. Statinler parçacığın kendisini değil, reseptörü hedef alarak çalışır. Parçacık hakkında daha fazla bilgi edinmek için NIH'deki bilim insanları yakın zamanda LDL parçacıklarını modellemek için HPC ve kriyo-elektron mikroskobisini kullandılar , bu süreç insanların bir zamanlar imkansız olduğunu düşündükleri bir süreçti, dedi Marcotrigiano.

Parçacıkların kendilerini modellemek büyük miktarda veri gerektiriyordu. Bir veri seti 35.000 film ve yaklaşık 17,5 terabayt veri içeriyordu. Filmlerin ayrıca yüksek çözünürlüklü görüntülere sıkıştırılması gerekiyordu. Araştırmacılar parçacıkları benzerlik ve farklılıklara göre hizaladılar ve hem 2B hem de 3B sistemleri kullanarak bir örnekten parçacıkları sınıflandırdılar.

Sonuç olarak araştırmacılar, parçacığın reseptörlere nasıl bağlandığı konusunda daha iyi bir anlayışa sahip olacaklar ve bu, yalnızca reseptörleri değil, parçacığın kendisini hedef alan yeni tedavilerin geliştirilmesine yardımcı olacak.

Marcotrigiano, "Bunu yapabileceğimiz tek yer buluttu" dedi ve NIH'nin bu proje için verileri işlemek ve depolamak amacıyla Amazon FSx for Lustre ve çeşitli GPU'ları kullandığını sözlerine ekledi.