人工智能时代的超级计算加速蛋白质结构预测

对于研究人员来说，使用高性能计算机可能有点令人生畏。了解最佳界面、如何扩展软件以及如何处理海量数据集需要他们自己的专业知识。

幸运的是，NCSA 所做的不仅仅是部署和运营这些强大的系统。该中心是科学与工程应用支持(SEAS) 团队的所在地，该团队帮助研究人员高效利用 NCSA 提供的硬件和软件资源。

通过与 SEAS 合作，研究人员可以获得安装 Python 软件包的帮助，学习为他们的项目选择最佳的并行计算引擎，或者——得益于PNAS杂志上发表的突破性研究——学习成功部署人工智能模型。该论文的标题为“APACE：AlphaFold2 和高级计算即服务，加速生物物理学的发现。”

PNAS的研究论文由 SEAS 小组高级研究程序员 Roland Haas、美国能源部 (DOE) 阿贡国家实验室转化人工智能负责人兼芝加哥大学 CASE 高级科学家 Eliu Huerta、时任伊利诺伊州生物物理学博士生 Hyun Park 和 NCSA 研究生助理 Parth Patel 共同撰写，描述了一种新颖的计算框架，可简化和加快使用人工智能工具和算法了解三维蛋白质结构的过程。

该框架还预测了蛋白质的构象多样性，这是一个重要的特性，因为蛋白质是可塑性结构，可以在不同构象之间翻转来完成其工作。

该团队开发了 APACE，这是一种计算工具，可以有效处理 AlphaFold2，AlphaFold2 是一种用于在高性能计算系统上预测蛋白质结构的人工智能程序。他们在NCSA 的Delta超级计算机上部署了 APACE，以测量其在预测四种典型蛋白质结构方面的表现。