AWS fournit des ressources HPC à la demande pour les chercheurs en santé
Bien qu'il y ait des avantages pour les clusters sur site, la mise en place d'un cluster HPC traditionnel peut prendre jusqu'à sept ou huit mois. Au moment où une organisation se procure le matériel nécessaire et la définit, la technologie pourrait déjà être obsolète. Sans oublier que les unités de traitement graphique nécessaires peuvent être difficiles à se procurer. L'utilisation des services HPC via AWS garantit que l'organisation a immédiatement accès au plus récent matériel, selon Xu.
AWS offre aux organisations de soins de santé plusieurs options en ce qui concerne le HPC. AWS Parallel Computing Service est un cluster Utilitaire Linux simple entièrement géré pour la gestion des ressources. Un chercheur peut créer un cluster Slurm qui répond à ses spécifications, telles que les types de processeurs et les besoins de latence, dans les 20 minutes. L'utilisateur peut contrôler les nœuds de calcul et construire les groupes de nœuds eux-mêmes. De plus, un utilisateur peut exécuter une application native ou exécuter des applications conteneurisées sur AWS avec le planificateur Slurm.
« Vous pouvez créer un environnement de calcul qui peut atteindre 100 000 processeurs, mais si vous ne demandez que deux processeurs, c'est combien vous serez facturé », a déclaré Xu. «C'est à la demande. Vous payez ce que vous utilisez.»
AWS ParallelCluster est un service alternatif pour les chercheurs qui souhaitent un contrôle total du planificateur Slurm et de ses plug-ins. Il s'agit d'une solution open source qui permet à l'utilisateur de créer un cluster HPC entièrement personnalisé dans le cloud qu'il gère lui-même.
Les chercheurs peuvent choisir parmi plus de 800 types d'instances HPC. Des ressources telles qu'Amazon FSX pour Luster et Amazon File Cache sont d'autres ressources disponibles pour aider avec les objectifs HPC.
« Nous ne voulons pas que vous gaspiez des ressources, donc vous ne payez que pour ce que vous utilisez », a déclaré Xu.
Le NIH utilise le HPC pour mieux comprendre les protéines des maladies cardiovasculaires
La maladie cardiovasculaire est la cause n ° 1 de la mortalité humaine dans le monde. En 2019, 18,6 millions de personnes sont mortes de la maladie dans le monde. Le fait d'avoir une grande quantité de lipoprotéines de faible densité dans le sang augmente le risque de maladie cardiovasculaire. Les particules LDL peuvent s'accumuler dans le sang, se déposer sur les murs des artères et former des plaques, ce qui pourrait entraîner une crise cardiaque ou un accident vasculaire cérébral.
Aux États-Unis, 30% à 40% de la population de plus de 50 ans demande des statines pour traiter le cholestérol élevé, selon Marcotrigiano. Les statines fonctionnent en ciblant le récepteur, pas la particule elle-même. Pour en savoir plus sur la particule, les scientifiques du NIH ont récemment utilisé le HPC et la microscopie cryo-électron pour modéliser les particules LDL, un processus que les gens considéraient autrefois impossible, a déclaré Marcotrigiano.
La modélisation des particules elles-mêmes nécessitait d'énormes quantités de données. Un ensemble de données comprenait 35 000 films et environ 17,5 téraoctets de données. Les films devaient également être compressés en images haute résolution. Les chercheurs ont aligné des particules sur la base de similitudes et de différences, classant les particules d'un échantillon utilisant des systèmes 2D et 3D.
En conséquence, les chercheurs ont une meilleure compréhension de la façon dont la particule se lie aux récepteurs, ce qui sera utile pour développer de nouvelles thérapies qui ciblent la particule elle-même plutôt que les récepteurs.
« Le seul endroit où nous pouvions le faire était dans le cloud », a déclaré Marcotrigiano, ajoutant que le NIH a utilisé Amazon FSX pour Luster et plusieurs GPU pour traiter et stocker les données de ce projet.
