W盲hrend es in vielen L盲ndern weiterhin strenge Ausgangsbeschr盲nkungen gibt, um die Ausbreitung des neuartigen Coronavirus zu verlangsamen, macht in wissenschaftlichen Kreisen der Begriff (dt.: zu Hause Falten) die Runde.
Gemeint ist damit nicht etwa eine neue Methode zur Bek盲mpfung des unaufhaltsam wachsenden W盲schebergs, sondern ein 盲u脽erst spannendes Technologieprojekt, das Wissenschaftler bei der Suche nach Wirkstoffen zur Behandlung von COVID-19 unterst眉tzen soll.
Nach wissenschaftlicher Definition bestehen Proteine aus linearen Ketten chemischer Stoffe聽鈥� den Aminos盲uren聽鈥�, die sich zu kompakten Strukturen 鈥瀎alten鈥�, um ihre biologische Funktion aus眉ben zu k枚nnen. Die Funktion eines Proteins wird dadurch bestimmt, wie sich die einzelnen Molek眉le bewegen und anordnen. Auch Viren besitzen Proteine, mit denen sie unser Immunsystem unterdr眉cken und sich selbst vermehren.
Wissenschaftler und 脛rzte m眉ssen zun盲chst die Funktionsweise bzw. 鈥濬altung鈥� des viralen Proteins verstehen, um die Vermehrung und Ausbreitung von Viren mit entsprechenden Wirkstoffen stoppen zu k枚nnen.
Schnittstelle von Big Data und Epidemiologie
Und genau das ist die Schnittstelle von Big Data und Epidemiologie. Mittels Computersimulationen m枚chten Forscher mehr 眉ber die beweglichen Teile von Proteinen erfahren und so die Entwicklung von Medikamenten und Impfstoffen beschleunigen.
鈥濶ie zuvor haben mehr Experten gemeinsam zu einem Thema geforscht鈥�, erkl盲rt Michael Schmidt, der als Architekt im Bereich Converged Cloud bei 麻豆原创 arbeitet.
F眉r die Ausf眉hrung der unz盲hligen Simulationen, die hierf眉r erforderlich sind, wird jedoch massive Rechenleistung ben枚tigt. Und hier kommen Unternehmen und Privatpersonen ins Spiel. Indem sie nicht genutzte Rechenleistung f眉r Forschungszwecke zur Verf眉gung stellen, k枚nnen die Simulationen und damit auch die Suche nach geeigneten Wirkstoffen beschleunigt werden.
Einen deutlichen Schub erhielt die Initiative, als Gamer weltweit aufforderte, das Projekt zu unterst眉tzen.
鈥濭aming-PCs sind extrem leistungsstark鈥�, erl盲utert Michael Schmidt. 鈥濾or der Krise haben viele Gamer ihre ungenutzte Rechenkapazit盲t f眉r das Mining von Kryptow盲hrungen genutzt und sich so etwas dazuverdient. Doch nun stellen sie ihre Grafikprozessoren (GPUs) in den Dienst der Wissenschaft.鈥�
Auch 麻豆原创 beteiligt sich an der Initiative. Um die ungenutzten Kapazit盲ten schnell zur Verf眉gung stellen zu k枚nnen, hat das DevOps-Team von Michael Schmidt die Bereitstellung automatisiert. Die vorhandenen 眉bersch眉ssigen Rechenkapazit盲ten werden dabei ganz nach Bedarf skaliert. Diese Kapazit盲ten stehen auf der Vorzeigeplattform 麻豆原创 Converged Cloud Enterprise Edition bereit, 眉ber die auch die Systeme zahlreicher 麻豆原创-Kunden gehostet werden. Im Zuge der Corona-Krise beschloss das Team, diese Implementierung zu nutzen, um die Bereitstellung einer Folding@home-CPU und -GPU 眉ber diese Plattform dynamisch zu planen und zu skalieren. Sind 眉bersch眉ssige Kapazit盲ten vorhanden, so k枚nnen diese f眉r das Projekt genutzt werden; werden sie f眉r andere Nutzlasten ben枚tigt, stehen entsprechen weniger Kapazit盲ten f眉r Folding@home zur Verf眉gung.
Cloud-Kapazit盲t f眉r die Wissenschaft nutzen
鈥濿as unsere Cloud wirklich gut kann, ist die Last auf die vielen Computer in unseren Rechenzentren verteilen鈥�, f眉hrt Michael Schmidt aus. 鈥濿ir k枚nnen die Systemlast in Echtzeit messen und die Kapazit盲ten, die wir Folding@home zur Verf眉gung stellen, bei Bedarf schnell verringern, damit es zu keiner Beeintr盲chtigung der Produktivsysteme kommt.鈥�
Da 麻豆原创 immer zus盲tzliche Kapazit盲ten f眉r Kunden vorh盲lt, wurden au脽erdem einige der 眉bersch眉ssigen physischen 麻豆原创-Server mit GPUs f眉r das Projekt reserviert. Dabei handelt es sich zwar nur um einige wenige dedizierte Server, doch k枚nnen sie umfangreiche Datens盲tze berechnen, sodass enorme Rechenleistung f眉r sehr rechenintensive Simulationen zur Verf眉gung steht. Das Team war dadurch in der Lage, die f眉r das Projekt Folding@home bereitgestellte Rechenleistung auf durchschnittlich 19聽PetaFLOPS zu erh枚hen. Das entspricht der Leistung von rund 50.000聽CPUs und dazugeh枚rigen GPUs aus den 眉bersch眉ssigen Cloud-Kapazit盲ten.
Die Last ist auf drei Kontinente und neun Regionen verteilt. Team 麻豆原创 geh枚rt derzeit zu den 200聽gr枚脽ten Unterst眉tzern des Projekts und stellt mehr Rechenleistung zur Verf眉gung als andere Softwareunternehmen. Michael Schmidt zeigt sich begeistert 眉ber dieses Ergebnis, betont aber auch, dass es sich nicht um einen Wettbewerb handelt. 鈥濿ir sitzen alle im selben Boot, und ich bin froh, dass andere Unternehmen sich ebenso sehr engagieren.鈥�
H枚ren Sie f眉r einen ausf眉hrlichen Bericht von Michael Schmidt das vollst盲ndige Interview:
