Folding@home

Folding@Home

Kuvakaappaus Folding@home -asiakassovelluksesta PlayStation 3 :lle , jossa näkyy simuloidun proteiinin 3D-malli
Tyyppi Hajautettu tietotekniikka
Tekijä Vijay Pande
Kehittäjä Stanfordin yliopisto / Pande Group
Käyttöjärjestelmä Microsoft Windows [2] , macOS [2] , GNU/Linux [2] ja FreeBSD [3]
Käyttöliittymäkielet Englanti
Ensimmäinen painos 1. lokakuuta 2000
Laitteistoalusta Monialustainen ohjelmisto
uusin versio 7.6.21 (20.10.2020)
Lisenssi Omistusoikeus [1]
Verkkosivusto foldingathome.org
 Mediatiedostot Wikimedia Commonsissa

Folding@Home (F@H, FAH) on hajautettu laskentaprojekti proteiinin laskostumisen tietokonesimulaatioon . Hankkeen käynnistivät 1. lokakuuta 2000 Stanfordin yliopiston tutkijat . Heinäkuussa 2008  se oli suurin hajautettu laskentaprojekti sekä teholla että osallistujamäärällä mitattuna [4 ] . Vuonna 2017 Bitcoinista tuli suurin hajautettu laskentaprojekti , joka ohitti Folding@Homen [5] .

Kun Genome@home-projekti on valmis, se yhdistettiin Folding@homeen.

Hankkeen tarkoitus ja merkitys

Hankkeen tavoitteena on mallintamalla saada parempi käsitys viallisten proteiinien aiheuttamien sairauksien, kuten Alzheimerin , Parkinsonin , tyypin 2 diabeteksen , Creutzfeldt-Jakobin taudin (hullun lehmän tauti), skleroosin ja erilaisten syöpien syistä. proteiinimolekyylien laskostumis- / avautumisprosessit . Tähän mennessä Folding@home-projekti on onnistuneesti simuloinut proteiinimolekyylien laskostumisprosessia 5-10 µs:n aikana, mikä on tuhansia kertoja enemmän kuin aikaisemmat mallinnusyritykset.

Vuonna 2007 projektissa saavutettiin proteiinin laskostumisen mallinnus millisekunnin aikavälillä (NTL9-proteiini), vuonna 2010 - 10 millisekunnin aikavälillä (ACBP).

Kokeen tulosten mukaan julkaistiin yli 212 tieteellistä artikkelia [6] .

Toimintaperiaatteet

Folding@home ei käytä laskelmien suorittamiseen supertietokonetta , vaan satojen tuhansien henkilökohtaisten tietokoneiden laskentatehoa ympäri maailmaa. Osallistuakseen projektiin henkilön on ladattava pieni asiakasohjelma. Folding@Home-asiakasohjelma toimii taustalla ja suorittaa laskelmia vain, kun muut sovellukset eivät käytä prosessoriresursseja täysin.

Folding@home-asiakasohjelma muodostaa ajoittain yhteyden palvelimeen vastaanottaakseen seuraavan osan dataa laskelmia varten. Laskelmien suorittamisen jälkeen niiden tulokset lähetetään takaisin.

Hankkeen osallistujat näkevät panoksensa tilastot. Jokainen osallistuja voi ajaa asiakasohjelmaa yhdellä tai useammalla tietokoneella, voi liittyä johonkin ryhmistä.

Tämänhetkinen tilanne

Laskentateho, exaflops Saavutuspäivämäärä
0,001 16. syyskuuta 2007
0,002 7. toukokuuta 2008
0,003 20. elokuuta 2008
0,004 28. syyskuuta 2008
0,005 18. helmikuuta 2009
0,006 10. marraskuuta 2011
0,01 19. syyskuuta 2013
0,04 19. syyskuuta 2014
0.1 19. heinäkuuta 2016
0,47 20. maaliskuuta 2020
1.5 26. maaliskuuta 2020
2.43 12. huhtikuuta 2020
2.7 26. huhtikuuta 2020

4.2.2015 mennessä Folding@Home-projektissa oli aktiivisia noin 8,2 miljoonaa ydintä [7] . Kokonaissuoritus oli 9,3 petaflopsia .

Vuonna 2007 Guinnessin ennätysten kirja tunnusti Folding@Home-projektin tehokkaimmaksi hajautetuksi tietokoneverkoksi.

Viime vuosina kiinnostus projektia kohtaan on laskenut kryptovaluutan louhinnan lisääntyneen suosion vuoksi, jonka avulla voit saada hypoteettisen tulon ja maksaa laitteet takaisin muutamassa vuodessa.

Gregory Bowman ilmoitti 27.2.2020, että Folding@Home-projekti liittyy 2019-nCoV-koronavirustutkimukseen [8] .

Maaliskuun 2020 alussa Folding@Home-projektin kokonaislaskentateho oli 98,7 petaflopsia [9] .

Vuonna 2020 F@H:ssa oli 4 projektia (tehtävätyyppiä) CPU:lle ja 24 GPU:lle.

14. maaliskuuta 2020 Nvidia kehotti pelaajia käyttämään kotitietokoneidensa tehoa koronaviruksen torjuntaan [10] . Muutamaa päivää myöhemmin CoreWeave, Yhdysvaltain suurin Ethereum-lohkoketjun kaivostyöntekijä, ilmoitti liittyvänsä taisteluun koronavirusta vastaan ​​[11] . Venäläinen televiestintäjätti MTS ei myöskään jäänyt sivuun ja ilmoitti, että sen pilviresurssit ohjataan Folding@Home-projektiin nopeuttaakseen parannuskeinoa uuteen koronavirukseen [12] .

Neljä viikkoa sen jälkeen, kun F@H otettiin mukaan taisteluun koronavirusta vastaan, Greg Bowman raportoi, että 400 000 vapaaehtoista ympäri maailmaa oli liittynyt projektiin [13] . Uusien käyttäjien tulvan myötä F@H:n liittymisestä uuden koronaviruksen torjuntaan ilmoituksen jälkeen projektin kapasiteetti on noussut 470 petaflopsiin. Näin ollen Folding@Home-projektia voidaan kutsua maailman tehokkaimmaksi supertietokoneeksi, toiseksi Bitcoinin jälkeen, jonka teho on 80 704 291 [14] petaflopsia. Vertailun vuoksi todettakoon, että maailman TOP500 supertietokoneiden listauksen ensimmäisellä rivillä on Summit - järjestelmä, jonka teoreettinen huippusuorituskyky on noin 200 petaflopsia.

26.3.2020 verkon kokonaislaskentateho ylitti 1,5 exaflopsia, mikä on lähes yhtä suuri kuin kaikkien TOP500 -maailmanlistan supertietokoneiden kokonaissuorituskyky  - 1,65 exaflopsia. [viisitoista]

26.4.2020 verkon kokonaislaskentateho ylitti 2,7 exaflopsia.

5.4.2021 verkon kokonaislaskentateho putosi 0,197 exaflopsiin.

Projektin nykyiset ja tulevat alustat

Hajautetun laskentaprojektin osallistujat pyrkivät aina laajentamaan sitä sekä nykyisille että uusille lupaaville alustoille. Tämä koskee tietysti myös Folding@Homea, mutta asiakkaan luomiseksi uudelle alustalle jokainen alusta arvioidaan kahdella yksinkertaisella parametrilla [16] :

Projektin pääalustana vuoden 2013 alusta lähtien ovat moniytimiset henkilökohtaiset tietokoneprosessorit ( CPU :t ). Suurin määrä työpaikkoja (työpaikkoja) muodostuu tälle alustalle. Yksiytimiset prosessorit, vaikka projekti tukeekin, löytävät yhä vähemmän käyttöä, koska työt on luettava nopeasti. Erillään ovat erityiset Big Jobs (BJ) -työt, jotka vaativat 16 tai enemmän laskentaydintä/säiettä prosessorissa.

Projektin lupaavimmat alustat ovat grafiikkakäsittelyyksiköt ( GPU ). Tämän alustan erikoisuus on, että GPU:ssa suoritetaan useita säikeitä rinnakkain, minkä ansiosta saavutetaan ylivertaisuus laskentanopeudessa Intelin ja AMD :n nykyaikaisimpiin prosessoreihin verrattuna . Projektin järjestäjien mukaan nykyaikaisilla grafiikkaprosessoreilla on rajoituksia suoritetuissa laskelmissa, jotka liittyvät niiden kapeampaan erikoistumiseen, joten ne eivät pysty täysin korvaamaan tavanomaisia ​​prosessoreita projektissa. Kuitenkin näissä laskelmissa, jos niitä voidaan soveltaa, projektin järjestäjät puhuvat GPU :n 40-kertaisesta edusta "keskimääräiseen" Intel Pentium 4 -prosessoriin verrattuna, ja asiakkaan beta-version ensimmäisten päivien käytännön tulokset osoittivat. tämän alustan noin 70-kertainen etu hankkeeseen osallistuvaan "keskimääräiseen" prosessoriin verrattuna.

Sony PlayStation 3 :ssa käytettäville Cell -prosessoreille tuotiin myös asiakasohjelma avoimeen käyttöön . Nämä prosessorit ovat myös monisäikeisiä (moniytimiä), mikä antaa niille etuja verrattuna perinteisiin prosessoreihin, joissa on tällä hetkellä enintään 15 ydintä. 6.11.2012 tämä hankkeen osa lopetettiin noin viideksi vuodeksi.

Projektin luojat pyrkivät siihen, että käyttäjien on mahdollisimman helppoa liittyä projektiin. Jos aiemmin suorittimen ja grafiikkasuorittimen käyttämiseksi piti käynnistää ja konfiguroida kaksi eri asiakasta, niin versiosta 7 alkaen yksi asiakasohjelma voi käyttää sekä CPU:ta että yhtä tai useampaa tietokoneeseen asennettua yhteensopivaa GPU:ta.

Asiakasversio 7.x on saatavilla yleisimmille käyttöjärjestelmille Windows x86 ja x64, Mac OS X (vain Intel-prosessoreille), Linux x86 ja x64.

Vertailu muihin molekyylijärjestelmiin

Rosetta@home  on hajautettu laskentaprojekti, joka tähtää proteiinirakenteen ennustamiseen ja on yksi tarkimmista järjestelmistä tertiäärisen rakenteen ennustamiseen. [17] [18] Koska Rosetta ennustaa vain lopullisen taittotilan mallintamatta itse taittoprosessia, Rosetta@home ja Folding@home keskittyvät erilaisiin molekyyliongelmiin. [19] Pande-laboratorio voi käyttää Markov-tilamallin Rosetta-ohjelmiston konformaatiotiloja mallinnuksen aloituspisteinä Folding@homessa. [20] Toisaalta rakenteen ennustusalgoritmeja voidaan parantaa käyttämällä termodynaamisia ja kineettisiä malleja ja näytteenottonäkökohtia proteiinin laskostumisen mallintamiseen. [21] [22] Näin ollen Folding@home ja Rosetta@home täydentävät toisiaan. [23]

CIS-ryhmät projektissa

venäjä

Muistiinpanot

  1. Folding@home - Lisenssi (downlink) . Haettu 12. heinäkuuta 2009. Arkistoitu alkuperäisestä 16. heinäkuuta 2011. 
  2. 1 2 3 http://folding.stanford.edu/home/guide
  3. https://www.freshports.org/biology/linux-foldingathome
  4. 16.6.2008 projektiin osallistuneiden kokonaismäärä oli 1 006 595 käyttäjää (käyttäen 3 149 921 prosessoria ), kun taas lähimpään SETI@home-projektiin osallistui 834 261 käyttäjää . Molempien projektien kapasiteetit ( 16.6.2008 ) olivat 2577 (heinäkuu 2008 ) ja 541 teraflopsia .
  5. Bitcoin Hashrate -kaavio . Haettu 25. joulukuuta 2017. Arkistoitu alkuperäisestä 25. joulukuuta 2017.
  6. Folding@home - Papers . Haettu 2. huhtikuuta 2020. Arkistoitu alkuperäisestä 28. maaliskuuta 2020.
  7. Folding@home - Asiakastilastot käyttöjärjestelmän mukaan . Käyttöpäivä: 15. toukokuuta 2013. Arkistoitu alkuperäisestä 28. marraskuuta 2012.
  8. Folding@home taistelee COVID-19/2019-  nCoV:ta vastaan . Haettu 22. maaliskuuta 2020. Arkistoitu alkuperäisestä 28. elokuuta 2020.
  9. Pandelab. Asiakastilastot käyttöjärjestelmän mukaan . foldingathome.org. Haettu 10. toukokuuta 2019. Arkistoitu alkuperäisestä 08. huhtikuuta 2020.
  10. NVIDIA kehottaa pelaajia käyttämään tietokoneitaan taistelemaan COVID-19:ää vastaan . 3DNews - Daily Digital Digest. Haettu 22. maaliskuuta 2020. Arkistoitu alkuperäisestä 17. maaliskuuta 2020.
  11. Tuhannet näistä tietokoneista loivat kryptovaluuttoja. Nyt he työskentelevät koronavirustutkimuksen  parissa . CoinDesk (19. maaliskuuta 2020). Haettu 22. maaliskuuta 2020. Arkistoitu alkuperäisestä 22. maaliskuuta 2020.
  12. MTS-pilvi tukee Folding@Home-projektia löytääkseen parannuskeinoa uuteen koronavirukseen . ServerNews - kaikkea suuren tehon maailmasta. Haettu 22. maaliskuuta 2020. Arkistoitu alkuperäisestä 20. maaliskuuta 2020.
  13. Yli 400 000 vapaaehtoista liittyi etsimään parannuskeinoa koronavirukseen Folding@Home-projektin kautta . 3DNews - Daily Digital Digest. Haettu 22. maaliskuuta 2020. Arkistoitu alkuperäisestä 22. maaliskuuta 2020.
  14. Bitcoin-kaaviot | bitcoin verkko . bitcoincharts.com. Haettu 10. syyskuuta 2019. Arkistoitu alkuperäisestä 11. syyskuuta 2019.
  15. Anton Shilov. Folding@Home saavuttaa Exascalen: 1 500 000 000 000 000 000 toimintoa sekunnissa COVID-19:lle . www.anandtech.com Haettu 27. maaliskuuta 2020. Arkistoitu alkuperäisestä 26. maaliskuuta 2020.
  16. Projektin halusta kasvattaa työkokoja ja analysoida pidempiä proteiinien laskostumisaikoja, järjestelmän nopeudella on voimakkaampi vaikutus päätökseen siirtää asiakas uudelle alustalle kuin mahdollista projektiin liitettävien järjestelmien määrä. .
  17. Lensink MF, Méndez R., Wodak SJ Proteiinikompleksien telakointi ja pisteytys: CAPRI 3rd Edition  //  Proteins : Journal. - 2007. - Joulukuu ( osa 69 , nro 4 ). - s. 704-718 . - doi : 10.1002/prot.21804 . — PMID 17918726 .
  18. Gregory R. Bowman ja Vijay S. Pande. Simuloitu temperointi antaa käsityksen matalaresoluutioisesta Rosetta-pisteytysfunktiosta  // Proteiinit: rakenne, toiminta ja  bioinformatiikka : päiväkirja. - 2009. - Vol. 74 , nro. 3 . - s. 777-788 . - doi : 10.1002/prot.22210 . — PMID 18767152 .
  19. Gen_X_Accord, Vijay Pande. Folding@home vs. Rosetta@home . Rosetta@home foorumit . Washingtonin yliopisto (11. kesäkuuta 2006). Haettu 6. huhtikuuta 2012. Arkistoitu alkuperäisestä 4. elokuuta 2012.
  20. TJ Lane (Pande-laboratorion jäsen). Re: Kurssirakeinen proteiinitaitto alle 10 minuutissa . Folding@home . phpBB Group (9. kesäkuuta 2011). Käyttöpäivä: 26. helmikuuta 2012. Arkistoitu alkuperäisestä 4. elokuuta 2012.
  21. GR Bowman ja VS Pande. Entropian ja kineetiikan roolit rakenteen ennustamisessa  (englanniksi)  // PLoS ONE  : Journal / Hofmann, Andreas. - 2009. - Vol. 4 , ei. 6 . — P.e5840 . - doi : 10.1371/journal.pone.0005840 . - . — PMID 19513117 .
  22. Bojan Zagrovic, Christopher D. Snow, Siraj Khaliq, Michael R. Shirts ja Vijay S. Pande. Alkuperäinen keskimääräinen rakenne pienten proteiinien laskostuneessa joukossa  //  Journal of Molecular Biology : päiväkirja. - 2002. - Voi. 323 , no. 1 . - s. 153-164 . - doi : 10.1016/S0022-2836(02)00888-4 . — PMID 12368107 .
  23. Vijay Pande. Re: yhteistyö kilpailun kanssa . Folding@home . phpBB Group (26. huhtikuuta 2008). Käyttöpäivä: 26. helmikuuta 2012. Arkistoitu alkuperäisestä 4. elokuuta 2012.

Katso myös

Linkit