Облачные HPC помогают исследователям продвигать здравоохранение вперед

AWS предоставляет ресурсы HPC по запросу для исследователей в сфере здравоохранения

Хотя локальные кластеры имеют свои преимущества, настройка традиционного кластера HPC может занять до семи или восьми месяцев. К тому времени, как организация закупит необходимое оборудование и настроит его, технология уже может устареть. Не говоря уже о том, что необходимые графические процессоры может быть сложно закупить . По словам Сю, использование сервисов HPC через AWS гарантирует, что организация получит немедленный доступ к новейшему оборудованию.

AWS предлагает организациям здравоохранения несколько вариантов, когда дело касается HPC. AWS Parallel Computing Service — это полностью управляемый кластер Simple Linux Utility for Resource Management . Исследователь может создать кластер SLURM, который соответствует его спецификациям, таким как типы процессоров и требования к задержке, в течение 20 минут. Пользователь может управлять вычислительными узлами и самостоятельно создавать группы узлов. Кроме того, пользователь может запустить собственное приложение или запустить контейнеризированные приложения на AWS с помощью планировщика SLURM.

«Вы можете создать вычислительную среду, которая может работать с 100 000 процессоров, но если вы запросите только два процессора, то именно за эту сумму с вас и возьмут плату», — сказал Сюй. «Это по требованию. Вы платите за то, что используете».

AWS ParallelCluster — это альтернативный сервис для исследователей, которым нужен полный контроль над планировщиком SLURM и его плагинами. Это решение с открытым исходным кодом, которое позволяет пользователю создать полностью настраиваемый кластер HPC в облаке, которым он управляет самостоятельно.

Исследователи могут выбирать из более чем 800 типов экземпляров HPC. Такие ресурсы, как Amazon FSx для Lustre и Amazon File Cache, являются другими ресурсами, которые помогут в достижении целей HPC .

«Мы не хотим, чтобы вы тратили ресурсы впустую, поэтому вы платите только за то, что используете», — сказал Сюй.

ПОДРОБНЕЕ: Выполните три шага для успешного развертывания высокопроизводительных вычислений.

NIH использует HPC для лучшего понимания белков сердечно-сосудистых заболеваний

Сердечно-сосудистые заболевания являются причиной смертности людей № 1 во всем мире. В 2019 году от этой болезни во всем мире умерло 18,6 млн человек . Высокий уровень липопротеинов низкой плотности в крови увеличивает риск сердечно-сосудистых заболеваний. Частицы ЛПНП могут накапливаться в крови, откладываться на стенках артерий и образовывать бляшки, что может привести к сердечному приступу или инсульту.

В США от 30% до 40% населения старше 50 лет принимают статины для лечения высокого уровня холестерина, по словам Маркотриджиано. Статины работают, воздействуя на рецептор, а не на саму частицу. Чтобы узнать больше о частице, ученые из NIH недавно использовали HPC и криоэлектронную микроскопию для моделирования частиц ЛПНП , процесс, который люди когда-то считали невозможным, сказал Маркотриджиано.

Моделирование самих частиц требовало огромных объемов данных. Один набор данных включал 35 000 фильмов и около 17,5 терабайт данных. Фильмы также должны были быть сжаты в изображения с высоким разрешением. Исследователи выровняли частицы на основе сходств и различий, классифицируя частицы из образца с использованием как 2D, так и 3D систем.

В результате исследователи получили более глубокое понимание того, как частица связывается с рецепторами, что поможет в разработке новых методов лечения, нацеленных на саму частицу, а не только на рецепторы.

«Единственное место, где мы могли это сделать, было облако», — сказал Маркотриджиано, добавив, что NIH использовал Amazon FSx для Lustre и несколько графических процессоров для обработки и хранения данных для этого проекта.