I ricercatori del progetto Help Conquer Cancer (HCC) hanno pubblicato un documento che descrive i loro sforzi nella ri-esecuzione dei loro algoritmi per sfruttare le Graphics Processing Unit (GPU) hardware presenti in molti dei computer di oggi.
Se gli algoritmi si prestano ad utilizzare una implementazione GPU, questo può aumentare notevolmente le loro prestazioni. Il loro lavoro ha portato alla sperimentazione di una versione beta di HCC utilizzando hardware GPU su World Community Grid. Questo articolo descrive le loro esperienze.
Titolo del documento:
"Alta velocità di cristallizzazione delle proteine sul World Community Grid e la GPU"
Estratto:
Abbiamo sviluppato versioni per CPU e GPU di un'analisi automatizzata delle immagini e sistema di classificazione per le immagini di cristallizzazione delle proteine di prova dal laboratorio High Throughput Screening dell'istituto Hauptman Woodward.La fase d'analisi calcola 12.375 caratteristiche numeriche per immagine. Utilizzando queste caratteristiche, abbiamo programmato un classificatore che distingue 11 risultati di cristallizzazione diversi, riconoscendo l'80% di tutti i cristalli, il 94% di gocce chiare, il 94% di precipitati. I requisiti di elaborazione di questo sistema di analisi sono di grandi dimensioni. L'archivio completo HWI di 120 milioni di immagini è in fase di elaborazione dai cicli CPU donati dal World Community Grid, con una parte GPU avviata nei primi mesi del 2012. L'onere computazionale principale dell'analisi è la misura della tessitura (GLCM) le caratteristiche all'interno l'immagine in quartieri diversi, distanze, e da molteplici risoluzioni di intensità in scala di grigi. Una CPU impiega mediamente 4.092 secondi (su singolo thread) su un Intel Xeon, ma solo 65 secondi su una NVIDIA Tesla C2050. Segnaliamo il processo di adattamento del codice C++ per OpenCL, ottimizzato per piattaforme multiple.
Accesso al documento:
Per visualizzare il documento, clicca qui.