Folding@home

Материал из Википедии — свободной энциклопедии
Перейти к навигации Перейти к поиску
Folding@Home
F@H Logo 2012.png
Скриншот клиента Folding@home для PlayStation 3, показывающий 3D модель моделируемого белка
Скриншот клиента Folding@home для PlayStation 3, показывающий 3D модель моделируемого белка
Тип Распределённые вычисления
Автор Виджэй Панде[en]
Разработчик Стэнфордский университет / Pande Group
Операционная система Microsoft Windows[2], macOS[2], GNU/Linux[d][2] и FreeBSD[3]
Языки интерфейса английский
Первый выпуск 1 октября 2000
Аппаратная платформа Кроссплатформенное программное обеспечение
Последняя версия 7.6.9 (17.04.2020)
Лицензия Проприетарная [1]
Сайт foldingathome.org
Commons-logo.svg Медиафайлы на Викискладе

Folding@Home (F@H, FAH) — проект распределённых вычислений для проведения компьютерного моделирования свёртывания молекул белка. Проект запущен 1 октября 2000 года учёными из Стэнфордского университета. По состоянию на июль 2008 года — это был крупнейший проект распределённых вычислений, как по мощности, так и по числу участников[4]. В 2017 году крупнейшим проектом распределённых вычислений стал Биткойн, обогнав Folding@Home[5].

После завершения проект Genome@home подключился к Folding@home.

Цель и значение проекта[править | править код]

Цель проекта — с помощью моделирования процессов свёртывания/развёртывания молекул белка получить лучшее понимание причин возникновения болезней, вызываемых дефектными белками, таких как Альцгеймера, Паркинсона, диабет 2 типа, болезнь Крейтцфельдта — Якоба (коровье бешенство), склероз и различных форм онкологических заболеваний. К настоящему времени проект Folding@home успешно смоделировал процесс свёртывания белковых молекул на протяжении 5—10 мкс — что в тысячи раз больше предыдущих попыток моделирования.

В 2007 году перешли рубеж миллисекунды, имитируя белок под названием NTL9, и 10-миллисекундный барьер в 2010 году с ACBP.

По результатам эксперимента вышло более 212 научных работ[6].

Принципы работы[править | править код]

Для выполнения вычислений Folding@home использует не суперкомпьютер, а вычислительную мощь сотен тысяч персональных компьютеров со всего мира. Чтобы участвовать в проекте, человек должен загрузить небольшую программу-клиент. Клиентская программа Folding@Home запускается в фоновом режиме и выполняет вычисления лишь в то время, когда ресурсы процессора не полностью используются другими приложениями.

Программа-клиент Folding@home периодически подключается к серверу для получения очередной порции данных для вычислений. После завершения расчётов их результаты отсылаются обратно.

Участники проекта могут видеть статистику своего вклада. Каждый участник может запустить программу-клиент на одном или более компьютерах, может вступить в одну из команд.

Текущее состояние дел[править | править код]

Рубежи (Эксафлопс) Дата достижения
0,001 16 сентября 2007
0,002 7 мая 2008
0,003 20 августа 2008
0,004 28 сентября 2008
0,005 18 февраля 2009
0,006 10 ноября 2011
0,01 19 сентября 2013
0,04 19 сентября 2014
0,1 19 июля 2016
0,47 20 марта 2020
1,5 26 марта 2020
2,43 12 апреля 2020

По состоянию на 4 февраля 2015 года в проекте Folding@Home было активно около 8200000 вычислительных ядер[7]. Суммарная производительность составляла 9,3 петафлопс.

В 2007 году книга рекордов Гиннесса признала проект Folding@Home самой мощной сетью распределённых вычислений.

В последние годы интерес к проекту снизился из-за возросшей популярности майнинга криптовалют, позволяющему получать гипотетический доход и окупить оборудование всего за несколько лет.

27 февраля 2020 года Грегори Боумен (Greg Bowman) заявил, что проект Folding@Home подключается к исследованию коронавируса 2019-nCoV[8].

По состоянию на начало марта 2020 года суммарная вычислительная мощность проекта Folding@Home составляла 98.7петафлопс[9].

Согласно информации с официального форума по состоянию на 14 марта 2020 года в F@H существует 4 проекта (типа заданий) для CPU и 24 для GPU.

14 марта 2020 года технологический гигант NVIDIA Corporation обратился к геймерам с призывом использовать мощности своих домашних компьютеров для борьбы коронавирусом[10]. Несколькими днями позже CoreWeave — крупнейший американский майнер на блокчейне Ethereum заявил, что присоединяется к борьбе с коронавирусом[11]. Отечественный телеком гигант МТС также не остался в стороне и объявил, что его облачные ресурсы будут направлены в проект Folding@Home с целью ускорения работ по поиску лекарства от нового коронавируса[12].

Спустя четыре недели после включения F@H в борьбу с коронавирусом, Грег Боумен сообщил, что к проекту присоединилось 400 000 волонтёров по всему миру[13]. С притоком новых пользователей после объявления о том, что F@H включается в борьбу с новым коронавирусом, мощность проекта увеличилась до 470 петафлопс. Таким образом, проект Folding@Home можно назвать самым мощным суперкомпьютером в мире, уступающим лишь Bitcoin, мощность которого составляет 80704291[14] петафлопс. Для сравнения, первую строчку в мировом рейтинге суперкомпьютеров TOP500 занимает система «Summit» с теоретической пиковой производительностью около 200 петафлопс.

26 марта 2020 года общая вычислительная мощность сети превысила 1,5 экзафлопса, что почти что равно суммарной производительности всех суперкомпьютеров в мировом рейтинге TOP500 — 1,65 экзафлопса.[15]

12 апреля 2020 общая вычислительная мощность сети превысила 2,4 экзафлопса.

Настоящие и будущие платформы для проекта[править | править код]

Участники всякого проекта распределённых вычислений всегда стремятся к его распространению как на текущие, так и на новые перспективные платформы. Разумеется, это относится и к Folding@Home, но для того, чтобы создать клиент для новой платформы, каждая платформа оценивается по двум несложным параметрам[16]:

  • скорость работы систем на новой платформе;
  • количество систем на данной платформе, потенциально способных подключиться к проекту.

Основной платформой для проекта по состоянию на начало 2013 года являются многоядерные процессоры для персональных компьютеров (CPU). Наибольшее число заданий (jobs) формируется именно для этой платформы. Одноядерные процессоры, хотя и поддерживаются проектом, находят все меньшее и меньшее применение в связи с потребностью быстро считать задания. Особняком стоят специальные Большие Задания (Big Jobs, BJ) для счёта которых требуется наличие в процессоре 16 и более вычислительных ядер/потоков.

Наиболее перспективными платформами для проекта являются графические процессоры (GPU). Особенность данной платформы в том, что в графическом процессоре параллельно выполняется множество потоков, благодаря чему достигается превосходство в скорости расчётов над самыми современными CPU от Intel и AMD. По информации организаторов проекта, современные графические процессоры имеют ограничения по выполняемым вычислениям, связанные с их более узкой специализацией, поэтому полностью заменить обычные процессоры в проекте они не в состоянии. Однако в тех расчётах, где они применимы, организаторы проекта говорят о 40-кратном преимуществе GPU над «средним» процессором Intel Pentium 4, а практические результаты первых дней работы бета-версии клиента показали примерно 70-кратное преимущество данной платформы над «средним» процессором, принимающим участие в проекте.

Также был доступен для открытого использования клиент для процессоров Cell, использовавшихся в Sony PlayStation 3. Эти процессоры также являются многопоточными (многоядерными), что даёт им преимущества над обычными CPU, которые пока имеют максимум 15 ядер. 6 ноября 2012 года на протяжении около пяти лет данный раздел проекта был прекращен.

Создатели проекта стремятся максимально упростить для пользователей подключение к проекту. Если раньше для использования CPU и GPU требовалось запускать и настраивать два различных клиента, то начиная с версии 7 одна программа-клиент может задействовать как CPU, так один или несколько установленных в компьютере совместимых GPU.

Версия клиента 7.х.х доступна для наиболее распространенных операционных систем Windows х86 и х64, Mac OS X (только для процессоров Intel), Linux х86 и х64.

Скачать версии для различных платформ можно с официального сайта проекта.

Сравнение с другими молекулярными системами[править | править код]

Rosetta@home — распределенный вычислительный проект, нацеленный на предсказание структуры белка, и является одной из самых точных систем для предсказания третичной структуры.[17][18] Поскольку Розетта только предсказывает конечное свернутое состояние, не моделируя сам процесс фолдинга, Rosetta@home и Folding@home акцентируются на разных молекулярных вопросах.[19] Лаборатория Pande может использовать конформационные состояния от программного обеспечения Розетты в модели состояний Маркова как отправные точки для моделирования в Folding@home.[20] Наоборот, алгоритмы предсказания структуры могут быть улучшены с помощью термодинамических и кинетических моделей и аспектов осуществления выборки для моделирования сворачивания белка.[21][22] Таким образом, Folding@home и Rosetta@home дополняют друг друга.[23]

Команды СНГ в проекте[править | править код]

Российские[править | править код]

  • TSC! Russia (номер команды 47191) — в настоящее время самая успешная и производительная российская команда в проекте (по состоянию на 20.03.2020), занимающая 34-е место по скорости вычислений и 7-е место по количеству набранных очков.
  • 22century (номер команды 241477) — по состоянию на 18.05.2020 занимает 523-е место по количеству набранных очков.

О существовании других активных команд неизвестно.

Примечания[править | править код]

  1. Folding@home — License (недоступная ссылка). Дата обращения 12 июля 2009. Архивировано 16 июля 2011 года.
  2. 1 2 3 http://folding.stanford.edu/home/guide
  3. https://www.freshports.org/biology/linux-foldingathome
  4. По состоянию на 16 июня 2008 года общее число участников проекта составило 1006595 пользователей (использовавших при этом 3149921 процессоров) в то время как в ближайшем по мощности проекте SETI@home участвовало 834261 пользователей. Мощности обоих проектов (по состоянию на 16 июня 2008 года) составили соответственно 2577 (июль 2008) и 541 терафлопс.
  5. Биткоин Hashrate график
  6. Folding@home — Papers
  7. Folding@home — Client statistics by OS
  8. Folding@home takes up the fight against COVID-19 / 2019-nCoV (англ.). Дата обращения 22 марта 2020.
  9. Pande lab. Client Statistics by OS. foldingathome.org. Дата обращения 10 мая 2019.
  10. NVIDIA призвала геймеров использовать свои ПК для борьбы с COVID-19. 3DNews - Daily Digital Digest. Дата обращения 22 марта 2020.
  11. Thousands of these computers were mining cryptocurrency. Now they’re working on coronavirus research (англ.). CoinDesk (19 March 2020). Дата обращения 22 марта 2020.
  12. Облако МТС поддержит проект Folding@Home для поиска лекарства от нового коронавируса. ServerNews - все из мира больших мощностей. Дата обращения 22 марта 2020.
  13. В поиск лекарства от коронавируса через проект Folding@Home включилось более 400 000 добровольцев. 3DNews - Daily Digital Digest. Дата обращения 22 марта 2020.
  14. Bitcoincharts | Bitcoin Network. bitcoincharts.com. Дата обращения 10 сентября 2019.
  15. Anton Shilov. Folding@Home Reaches Exascale: 1,500,000,000,000,000,000 Operations Per Second for COVID-19. www.anandtech.com. Дата обращения 27 марта 2020.
  16. В силу стремления проекта к увеличению размеров заданий и анализу более длительных временны́х промежутков фолдинга белков, скорость системы сильнее влияет на принятие решения о портировании клиента на новую платформу, чем возможное число систем, которые будут подключены к проекту.
  17. Lensink M.F., Méndez R., Wodak S.J. Docking and scoring protein complexes: CAPRI 3rd Edition (англ.) // Proteins : journal. — 2007. — December (vol. 69, no. 4). — P. 704—718. — doi:10.1002/prot.21804. — PMID 17918726.
  18. Gregory R. Bowman and Vijay S. Pande. Simulated tempering yields insight into the low-resolution Rosetta scoring function (англ.) // Proteins: Structure, Function, and Bioinformatics (англ.) : journal. — 2009. — Vol. 74, no. 3. — P. 777—788. — doi:10.1002/prot.22210. — PMID 18767152.
  19. Gen_X_Accord, Vijay Pande. Folding@home vs. Rosetta@home. Rosetta@home forums. University of Washington (11 июня 2006). Дата обращения 6 апреля 2012. Архивировано 4 августа 2012 года.
  20. TJ Lane (Pande lab member). Re: Course grained Protein folding in under 10 minutes. Folding@home. phpBB Group (9 июня 2011). Дата обращения 26 февраля 2012. Архивировано 4 августа 2012 года.
  21. G. R. Bowman and V. S. Pande. The Roles of Entropy and Kinetics in Structure Prediction (англ.) // PLoS ONE : journal / Hofmann, Andreas. — 2009. — Vol. 4, no. 6. — P. e5840. — doi:10.1371/journal.pone.0005840. — Bibcode2009PLoSO...4.5840B. — PMID 19513117.
  22. Bojan Zagrovic, Christopher D. Snow, Siraj Khaliq, Michael R. Shirts, and Vijay S. Pande. Native-like Mean Structure in the Unfolded Ensemble of Small Proteins (англ.) // Journal of Molecular Biology (англ.) : journal. — 2002. — Vol. 323, no. 1. — P. 153—164. — doi:10.1016/S0022-2836(02)00888-4. — PMID 12368107.
  23. Vijay Pande. Re: collaborating with competition. Folding@home. phpBB Group (26 апреля 2008). Дата обращения 26 февраля 2012. Архивировано 4 августа 2012 года.

См. также[править | править код]

Ссылки[править | править код]