Di conseguenza, gli scienziati possono studiare modelli molecolari di dimensioni maggiori per periodi di tempo più lunghi e con una precisione superiore, con ricadute interessanti sulla comprensione del potenziale impatto dei farmaci e sull'efficacia dei nuovi materiali. Gli sviluppatori di farmaci, inoltre, possono ridurre i tempi di scoperta e i costi di sviluppo.

Le quattro applicazioni di modellazione scientifica entrano a far parte di un elenco di software in costante crescita – che comprende, tra gli altri programmi, AMBER, NAMD e TeraChem – che permettono a ricercatori universitari, pubblici e privati di far avanzare la ricerca sfruttando la potenza delle GPU.

“L'ampio accesso a strutture di GPU Supercomputing di costo contenuto e di estrema efficienza energetica può rivoluzionare la ricerca scientifica”, ha dichiarato Sumit Gupta, Manager della divisione Tesla di NVIDIA. “I vantaggi offerti da questa soluzione di calcolo alla scienza sono significativi. Ora, ad esempio, i ricercatori possono studiare con maggiore precisione e rapidità il comportamento biologico delle proteine e le interazioni dei prototipi di farmaci prima di eseguire i lunghi e costosi studi su animali e i trial sui pazienti.”

Le quattro applicazioni citate sono ampiamente utilizzate da scienziati impegnati nella trasformazione della modellazione in una serie di aree chiave:

• GAMESS è un'applicazione di chimica quantistica importante nella progettazione di nuovi farmaci e materiali. Si avvale di metodi computazionali per riprodurre la struttura elettronica e le proprietà delle molecole.
• GROMACS permette la simulazione delle interazioni biomolecolari tra proteine e prototipi di farmaci. Può essere usato per studiare la ricombinazione proteica e i suoi errori, possibilità importante per capire certe malattie quali il morbo di Alzheimer, quello di Huntington e alcune forme di tumore.
• LAMMPS viene usato per modellare a scala atomica, materiali morbidi (biomolecole, polimeri) o a stato solido (metalli, semiconduttori).
• QMCPACK simula le proprietà dei materiali con eccellenti doti di scalabilità e precisione grazie all'uso di una simulazione Monte Carlo quantistica.

Dichiarazioni

“Il nostro obiettivo è un codice efficiente e altamente scalabile e non ci arrestiamo di fronte a nulla per ottenerlo. La tecnologia di elaborazione in parallelo su GPU sembra essere la strada più promettente per arrivare al traguardo che ci siamo posti. Data la nostra associazione con un laboratorio DOE, l'efficienza energetica è di pari importanza. Ma questo è un altro dei vantaggi offerti dall'accelerazione della chimica quantistica per mezzo delle GPU.”

--Mark Gordon, professore emerito del dipartimento di chimica della Iowa State University, direttore dell'Applied Mathematical Sciences Program dell'AMES Laboratory, responsabile di progetto per il GAMESS

“Siamo convinti che GROMACS 4.6 supportato da GPU possa aumentare di 2-3 volte le prestazioni della simulazione. Simulazioni più rapide permettono ai ricercatori di ottenere una migliore comprensione del comportamento biologico dei prototipi di farmaci e dei recettori proteici affetti dalle malattie.”

--Erik Lindahl, professore di biofisica teorica e computazionale del KTH Royal Institute, nonché professore di biologia strutturale computazionale presso l'AlbaNova University Center dell'università di Stoccolma

“Con i carichi di lavoro più ingenti, abbiamo riscontrato un accelerazione di QMCPACK che arriva sino a tre volte (nodo su nodo) per i nodi a GPU singola rispetto ai nodi con CPU dual-socket. Inoltre siamo in grado di scalare queste prestazioni su centinaia di GPU. Questo ci ha permesso di fare indagini sulle proprietà dei materiali con una scala e un livello di precisione senza precedenti.”

-- Jeongnim Kim, Scienziato ricercatore all'Oak Ridge National Laboratory.

“Gli esperti di dinamica molecolare sono ostacolati da arcinote limitazioni di durata: non possono creare simulazioni di durata sufficiente a modellare molti dei fenomeni di maggiore interesse”, ha dichiarato uno degli sviluppatori originari di LAMMPS. “La durata delle simulazioni può però essere notevolmente estesa usando cluster di GPU su grande scala.”

--Steve Plimpton, membro di spicco del personale tecnico dei Sandia National Laboratories

“La disponibilità locale di numerosi nodi di GPU di estrema efficienza computazionale ci ha permesso di creare un nuovo approccio allo sviluppo farmacologico, in grado di raccogliere preziose intuizioni sui meccanismi che regolano le malattie.” Grazie alle GPU, siamo stati in grado di eseguire un numero molto maggiore di simulazioni riducendo il gruppo di ipotesi su cui sono fondate. Questo ci ha permesso di realizzare modelli più realistici.”

-- “Molecular dynamics practitioners are severely handicapped by the well-known timescale limitation: (they) can’t simulate long enough to get to the longer timescales of interest, said original LAMMPS developer, Steve Plimpton of Sandia National Laboratories, “This handicap could be mitigated by wide availability of [petascale] clusters of GPUs. Spatial scale limitations could also be lessened.”Dr. Michael Kuiper, esperto in discipline computazionali della Victorian Partnership for Advanced Computing

Per ulteriori informazioni sulle GPU NVIDIA Tesla, visitare questo indirizzo. Per ulteriori informazioni sull'architettura NVIDIA CUDA® visitare questo indirizzo.