项目使用云计算和人工智能解决不安全的街头毒品

科学家们利用超级计算机来帮助理解的生物,化学和物理变化我们的世界正在经历,发现新的前沿科学,发明新的技术来改善人类的生活条件。现在,研究人员维多利亚大学画展在不列颠哥伦比亚省的温哥华岛使用超级计算资源解决社会的最大挑战之一——一个不受管制的药物市场的风险,帮助改变人的生活受到过量的影响。他们的工作展示了这些冷,复杂的机器可以有个人对我们生活的影响和打开大门为我们的安全更大的可能性。

杨梅HPC云

杨梅阶段2 HPC云最近被部署在维多利亚大学的画展。的一部分计算加拿大和WestGrid 高级研究计算(弧)倡议,杨梅最初于2015年推出支持新一代的调查人员需要访问HPC云资源。“我们现有的IT服务没有基础设施,可以提供的答案我们的一些研究人员的先进的计算需求,”评论被农业部 ,博士学位。高级研究计算专家研究计算服务单位,大学系统部门。“我们有HPC集群,但研究人员迫切需要高可用性的协作平台,定制网站,根访问,micro-services环境和其他服务的云计算,迅速成为HPC集群一样重要,为许多研究者不可或缺的弧服务。”

在维多利亚大学与云服务的缺乏,一些研究者在亚马逊运行项目,Azure和Google自己的云平台。基于这种需求,私人杨梅OpenStack云基础设施建于2015年交付“基础架构即服务”(IaaS)的资源和支持不同图书馆的工作负载。杨梅1包括几千核Intel Xeon处理器,10千兆以太网网络和1.6 PB (PB)的三重冗余Ceph存储(4.8 PB总)。Ceph存储是一个开源软件的存储平台,实现对象存储在一个分布式计算机集群。

在接下来的四年里,新研究项目启动,其中许多开始使用新兴技术能力和研究环境,如机器学习(ML)、人工智能(AI), JupyterHub和大数据。这些新项目,以及增加对云服务的需求,需要更多的存储空间,先进的计算和更大的内存池,导致一个更大的云基础设施和杨梅2。

杨梅和维多利亚岛药物检查项目

的一个维多利亚大学的研究人员利用这些新资源马教授丹尼斯维多利亚大学的化学和计算机科学部门。

“过去的20年里,我一直研究分子与表面的相互作用,”马说。”作为一个例子,有许多类型的塑料用于人体,导管、支架、缝合线、人工器官——蛋白质的构象附加到这些设备是至关重要的功能。我们的集团解决问题与解决相关的分子基础使用相结合的生物相容性实验和理论方法,包括分子动力学模拟在HPC集群”。

但从减少危害调查药剂师启发一个新项目来帮助减少过量的非处方街头毒品的用户,包括芬太尼、化合物的核心阿片类危机在加拿大和美国。

“药剂师想开发一个内部质量控制测试处方药,”马解释道。“虽然他已经获得特定的药物从同一制造商,多年来他的顾客告诉他这是影响他们不同于过去的使用。在药物的目标识别组件最终导致了温哥华岛药物检查项目”。

的洞察与机器学习街头毒品

过去三年项目结合马术的核心利益大数据的研究领域,机器学习、软件和硬件工程学。项目提供的新数据对阿片类药物和其他药物的使用。

“人们想知道的是什么药物,”马补充说。“芬太尼,MDMA(狂喜/莫莉),吗啡,或其他化学物质和代理。我们工作与人匿名通知他们关于药物他们自愿的组成进行分析。我们的目标是量化样品的成分,活性成分和代理。一旦我们有分析,减少危害工人让服务用户知道他们正在处理,给他们适当的指导,如果他们想要它。”

在20分钟内,团队将通过一系列分析工具运行示例——包括一个质谱仪、红外光谱仪、两种不同类型的喇曼散射和抗体测试。除了闪电战的潜在的硬件问题并行分析通过所有这些工具和测试在很短的时间内,了解结果是很困难的。化学药剂留下指纹,马术的团队依赖库和数据库中已知的代理他们匹配的指纹。但更多的化合物样品或库越大,就变得越困难。和作为新设计师药物打击的街道没有已知的指纹,如那些基于芬太尼,他们的分析变得更加复杂。云HPC的项目所需的资源。这就是杨梅进来了。

“当研究员请求一个环境,我们考虑他们自己的虚拟实验室,”农业部解释说,“我们建立了网络和硬件来支持他们的工作。他们可以在几分钟内创建他们自己的环境中从一个库的工具和软件不支持。”

每个虚拟实验室研究员定制他或她。一些只需要高可用性的网站收集和/或共享数据。其他安装大数据应用程序,比如Apache火花。有些小型高性能计算工作负载运行,包括GROMACS、分子动力学软件用于研究SARS-CoV-2病毒之类的东西。和其他构建机器学习平台。近的项目需要许多工作负载的混合环境中。

“我们使用数据收集从每个样本连同化学库和数据库构建机器学习算法和应用,“马解释道。

他的团队使用从无监督方法,如简单的主成分分析、偏最小二乘回归,和随机森林分类、分层聚类分析等方法。根据冲激着,有太多的可能性一个管道。

“一个方法是使用不同的方法对图书馆得分。但是如果有一个新的药物不出现在我们的图书馆,或没有库吗?那么我们能做些什么呢?如果你看足够多的样本,您可以立即将其分类。你不知道它们是什么,但你的分类模型能很好预测的。这个数据库之间来回搜索,图书馆搜索、匹配技术和分类模型是迷人的。它要求我们玩很多技术,发展我们的算法和推理的数据。”

“这里的想法是能够做的全部阶段在线机器学习,“恐鸟。“我们从现有的样品,用学习来描述下一个样本,预测结果,根据我们学习和规定的行为。”

但这需要一个灵活而强大的计算基础设施,如杨梅,为了运行许多不同类型的计算在一个灵活的系统。

与208年建立联想ThinkSystem SR630、SR670 SD530节点,杨梅第二阶段在2020年初部署。近8000的新系统包括一个核心的第二代英特尔至强6130年黄金6248处理器,英特尔至强处理器。1 tb的英特尔Optane持久内存中每个节点提供了内存容量支持越来越多的研究人员和持续运行的工作负载24/7-sometimes下去。

根据农业部,杨梅2允许用户选择不同的机器学习环境(如TensorFlow PyTorch,茱莉亚,熊猫,和Apache火花)。这些环境依赖Conda分布。Conda分布、开源软件包管理器和环境管理系统,使用英特尔数学内核库为低级操作使用Python包时,如numpy scipy sklearn。

设计的未来远程ML-based分析

和他的团队在研究霍瑞维多利亚有潜力在更多的应用程序,比如远程医疗,发现可能导致便携设备的发展和亭,可以快速、交互分析化合物。这是特别有用的在远程站点分析资源和计算设备不存在。这个远程分析,使用机器学习,可以提供快速了解样品的组成和给那些寻求它的分析指导。

在传统的研究空间,如马的项目中,研究人员一个大型实验室的好处,昂贵的仪器,和训练有素的操作员。科学家分析,提问,学习和进化算法的数据。做这种分析移动或便携服务需要反思技术,包括访问计算资源。

药物分析项目,冲激着设想便携式compute-based解决方案,整合分析在线机器学习和处方,这样他们移除人类偏见和可以部署到偏远地区访问云资源。

“云家庭和个人助理的出现,人们习惯于跟电脑。他们正学着信任无偏的技术指导。最近资助项目旨在构建一个交互式亭,人们可以把他们的样品进行分析,基于科学和电脑提供指导,没有性别或种族偏见或偏见基于他们的问题的答案。”

但是,小和移动引入了新的挑战。“如果你想做这个使用移动技术,仪器运行了电池和依靠远程基于云的来源,”马解释道。”要小,所以可以在一辆车的后备箱或者手持和能做多种分析,同时也负担得起的。现在,我们仍然有一段路要走的有好的技术为移动和可移植的应用程序。有些仪器是大型运营商训练有素,计算资源强大的和可访问。思考这种部署让我们回到起点,重新思考如何工程师的工具。”

本文是作为英特尔的编辑程序的一部分,强调目标的尖端科学,研究和创新驱动的高性能计算和人工智能社区通过先进的技术。bet188真人出版商的内容拥有最终的编辑权限,并确定哪些文章发表