Распределенные Вычисления. Boinc.ru

[SETI_home_v8]

ОПУБЛИКОВАНЫ РЕЗУЛЬТАТЫ ПРОГРАММЫ ПОИСКА ВСЕГО НЕБА В LIGO O2.

Опубликовано 9 Мар 2021 12:43:29 UTC
Результаты нашего поиска по всему небу непрерывных гравитационных волн в общедоступных данных из второй серии наблюдений LIGO (O2) теперь опубликованы в The Astrophysical Journal. В публикации описан поиск с лучшей чувствительностью, когда-либо достигнутой при таком обзоре всего неба до 500 Гц.

Огромное сердечное спасибо всем, кто сделал эту работу возможной, пожертвовав работу своих компьютеров!

Прочтите публикацию в открытом доступе «Einstein @ Home All-sky Search for Continuous Gravitational Waves in LIGO O2 Public Data» и узнайте больше о нашем исследовании в нашем видео на YouTube «Searching for Continuous Gravitational Waves».

https://iopscience.iop.org/article/1...38-4357/abc7c9
http://www.youtube.com/watch?v=7xIAHdDipNg

[SETI_home_v8]

TSC! Russia = Успешные кранчеры России!

СПОЙЛЕР »

TSC! Russia = Успешные кранчеры России!
1) Кто мы ?
Мы - одна из наиболее успешных и крупных команд распределённых вычислений не только в России, но и в мире. Наша цель - помочь человечеству в изучении различных областей медицины с помощью компьютерного моделирования.

2) Распределённые вычисления (РВ) - что это?
РВ - довольно увлекательное занятие. Ставится определённая цель, решить которую путём обычного ручного перебора или, например, одним персональным компьютером пока не под силу человеку. Тогда сотни тысяч компьютеров по всему миру сообща пытаются найти решение. Достигается очень высокая вычислительная мощность! Получается своего рода суперкомпьютер, но он не принадлежит какой-либо фирме или правительству, нет отдельного помещения, в котором размещается всё "железо". Участие только на добровольной основе, за это не платят, а получаемые результаты общедоступны и бесплатны для использования (во всяком случае это справедливо для проектов РВ, поддерживаемых нашей командой).

3) Что означает наше название?
TSC! Russia = The Succesful Crunchers! Russia. Дословно - "Успешные кранчеры России!". Кранчер - это тот, кто принимает участие в распределённых вычислениях.

4) Что мы делаем? Принципы нашей работы.
Вкратце, наши компьютеры используются для помощи учёным. Мы выступаем в роли своебразных волонтёров, принимая участие в решении определённых задач, поставленных организаторами. Делаем мы это путём предоставления свободной вычислительной мощности наших ПЭВМ (ПК).

5) Каковы приоритеты нашей команды? Какие задачи мы решаем?
Проектов РВ довольно много, но далеко не все имеют чёткие цели и смысл. Основная политика команды - принимать участие только в проектах РВ, приносящих реальную пользу.
Учитывая это, мы пришли к решению, что лучше всего будет поддерживать медицинские проекты, так как реальный эффект от них может появиться через несколько лет и он не останется незамеченным. Человечество сможет избавиться от страшных болезней, таких как: СПИД, ВИЧ, диабет типа II, болезнь Альцгеймера, Паркинсона, Крейтцфельдта-Якоба (коровье бешенство), склероз и различные формы онкологических заболеваний. Во всём этом можете принять участие и вы!

6) Сколько нас?
Поддерживая в своё время разные проекты, одни из которых закончились удачно, другие - не очень, мы включали в себя от нескольких сотен, до нескольких тысяч участников! На данный момент (март 2013 г.) в проекте Folding@Home, согласно статистики extremeoverclocking.com, наша команда насчитывает более 9500 участников, активными (т.е. считающими непрерывно) из них являются более 500 человек.
В проекте Rosetta@Home, согласно статистики boinc.bakerlab.org, в нашей команде числится почти 1800 человек, из которых почти 250 являются активными.

7) Зачем это нужно? Тем ли мы занимаемся?
Во-первых, мы не хотим просто сидеть на месте, мы ищем новые методы борьбы со страшными болезнями, с которыми сейчас, к сожалению, человеку еще не справиться.
Во-вторых, мы обращаем бездействие системы (которое может доходить до 99% всего рабочего времени при обычной офисной работе) в полезные расчёты, то есть ту энергию, которая тратится на питание вашего компьютера, можно направить на пользу науки. И мы делаем это совершенно бескорыстно, искренне желая помочь людям. Как бы пафосно это ни звучало, это остаётся правдой.
Пройдя по ссылке "Моя борьба с раком", можно прочитать о судьбах людей, кому пришлось столкнуться с такими страшными болезнями, как рак и т.д.
https://forums.overclockers.ru/viewtopic.php?t=27412

8) Как же всё-таки выполняется наша работа?
1 - из интернета скачивается программа-клиент;
2 - для неё закачиваются ядро и задания, при их обсчёте вы можете быть offline;
3 - по окончании рассчётов, клиент отправляет результаты на сервер, после чего Вам зачисляются очки за посчитанные задания.

Вопросы о проектах, поддерживаемых командой:

9) История участия команды
TSC! Russia - старейший участник медицинских проектов РВ. В 2002-2004 годах команда считала проект "TSC", пока не стали известны определённые факты, ставящие под сомнение целесообразность и правдивость заданий организаторов.
Параллельно с этим TSC! Russia участвовала в русском проекте MD@Home, на поддержку которого у создателя впоследствии не хватило средств. Наибольших успехов мы добились в проекте "Find-a-Drug", где нам не было равных по количеству и качеству проделанной работы.

10) История создания команды
Кому не хватило и хочется больше истории команды, то на первом сайте команды(только архивная версия) от 2006 года оно есть:
http://tsc.overclockers.ru
Также можно почитать интересную историю от одного из первых капитанов команды Ильи Радченко(Hil) тут:
Из истории команды «TSC! Russia»
На новом сайте команды осталось более краткое описание, т.к. он задумывался как некая визитка:
http://tscrussiateam.ru/about/

11) Приоритетные проекты
После окончания Find-a-Drug наша команда была поставлена перед тяжёлым выбором. В итоге мы решили поучаствовать в очередном медицинском проекте - Folding@Home (F@H), изучающем фолдинг (процесс свёртывания/развёртывания) белков. Кроме того, довольно продолжительное время в качестве дополнительно поддерживаемого считался проект Rosetta@Home (R@H). На данный момент можно уверено сказать, что F@H и R@H для нашей команды равноценны.

12) Соревновательный элемент
Да, помимо идеологии, РВ также включает в себя увлекательные соревнования в скорости. Соревноваться можно в зачёте стран, команд или в личном зачёте. Если хотите заявить о себе - РВ для вас!
Вот такие "спортивные успехи" есть у нашей команды:
- 2 место в русском "MD@Home";
- долгое время остававшееся 1-ым место в проекте TSC, до тех пор, пока мы не покинули его;
- 1 место в "Find-a-Drug" среди команд, Россия также заняла 2 место среди всех стран, опередила нас лишь США;
- по состоянию на март 2013 г.: в Folding@Home мы занимаем 5-е место по общему количеству очков и 7-е по скорости счёта; в Rosetta@Home 1-е место как по общему количеству очков, так по скорости счёта.

13) Захотели помочь?

[TSC!] Хочу присоединиться к команде и начать считать (Вам сюда)

Жизнь команды:

14) Помимо рассчётов, чем ещё живёт команда? Есть ли какие-нибудь развлечения?
1. Среди активных участников команды в соответствующей теме проводятся розыгрыши различных призов.
2. У нас есть практика проводить встречи команды. Обычно мы собираемся где-нибудь в кафе или баре и за чашечкой кофе или чего-нибудь покрепче делимся друг с другом своими проблемами, обсуждаем проекты или просто позитивно проводим время. Встречи проводятся не только в Москве и Петербурге, главное всё правильно организовать.
3. Вряд ли это можно назвать развлечением, но однажды мы просто решили скинуться и купить командный сервер. В итоге потратив чуть более 100 тысяч рублей, мы собрали 48-ядерного монстра. Конфигурацию и фото можно посмотреть тут.

Если Вы не нашли ответ на свой вопрос или боитесь что-либо спросить в темах, задавайте вопросы в ЛС участникам форума со статусом "TSC! Russia member", мы всегда поможем по мере сил и возможностей.
Чтобы ответить на несколько типичных вопросов, касающихся проблемы "Чем НА САМОМ ДЕЛЕ занимаются проекты распределённых вычислений?", я решил создать этот FAQ.
Он основан на личном опыте, информации от организаторов проектов РВ и от товарищей по нашей и другим командам распределённых вычислений, а также размещённой на различных сайтах в Интернете.

Q. Почему вы занимаетесь распределёнными вычислениями (РВ)? Это секта? Может, за это платят?
A. Идея распределённых вычислений, как мы её понимаем, в том, что неспециалисты помогают специалистам, предоставляя безвозмездно вычислительные мощности, что значительно дешевле, нежели арендовать суперкомпьютеры, а тем более собирать их самим. Как правило, важнейшим стимулом для этого выступает то, что взамен организаторы обещают направить эти мощности на некоторые полезные для всех людей или значительного их числа цели. Например, это могут быть поиск лекарств или способов лечения болезней, исследования в области фундаментальной или прикладной науки. Наша команда не поддерживает проекты, которые очевидно не имеют научной ценности, а пытаются привлечь к себе внимание денежными призами или исключительно состязательным, спортивным элементом. Никакого религиозного компонента. Просто нам нравится идея, что мощности наших компьютеров могут вдруг оказаться полезными для всех людей, а не только для нас лично. Хотя мы в основной массе не ждём никакого материального поощрения, мы нормально относимся к тому, что кто-то может считать только ради обгона в статистике - это их личное дело. В конечном итоге такой подход в рамках одного проекта распределённых вычислений приносит точно такую же пользу, что и вычисления исключительно по идейным соображениям.

Q. Где гарантия, что вы считаете именно то, что обещают организаторы проекта, а не, скажем, взламываете коды нашей разведки для ЦРУ, не рассчитываете ядерную бомбу для террористов, не помогаете американскому ВПК совершенствовать биологическое или химическое оружие?
A. Здесь много гарантий.
Во-первых, если говорить об оружии, никто не выложит в открытый доступ программное обеспечение для его создания. Ведь у вас на компьютере есть и вычислительный модуль, и данные, и результаты, и все они проверяемы (и даже, в большинстве проектов, никак не шифруются).
Во-вторых, если говорить о бактериологическом, биомолекулярном, токсинном и т. п. оружии, это не то, что может быть рассчитано нынешним уровнем мощностей ЭВМ. Все достижения одного из мощнейших проектов РВ - Folding@home - меркнут на фоне простой попытки рассчитать взаимодействие химического вещества с тысячами возможных белков человеческого организма. А расчёты ядерного оружия требуют несопоставимой с возможностями РВ скорости связи между вычислительными узлами. Баллистика? Да её с логарифмической линейкой в 19 веке рассчитывали. Тут просто не нужны такие мощности, всё давно посчитано на простейшей технике. Если же речь о шифрах, то нужно быть очень наивным, чтобы полагать, что РВ могут эффективно использоваться для серьёзной дешифровальной работы. Дело в том, что, даже если бы мощности какого-нибудь проекта и хватило на вскрытие современных шифров с достаточной надежностью ключей, то, увы, годы работы ушли бы на 1 шифр, который утратил бы ценность к моменту завершения расчётов.
В-третьих, военные вообще не страдают нехваткой средств, у них есть более эффективные способы проведения нужных им расчётов с высокой секретностью полученных результатов. Впрочем, как уже говорилось, мы легко можем увидеть, что именно считаем, по файлам входящих данных и исходящих результатов.

Q. А где гарантия, что заявленные цели будут достигнуты? Вдруг дело закончится парой статей в научных журналах и удачно защищённой диссертацией?
A. А вот таких гарантий нет и быть не может. Максимум, чего мы можем добиваться - это стараться поддерживать только, или преимущественно, проекты, имеющие солидную научную, кадровую и финансовую базу, по возможности проверенные временем, не имеющие видимых даже неспециалисту проблем. Мы принимаем во внимание возможность того, что из-за объективных или субъективных проблем проект может закончиться безрезультатно или прерваться до завершения (если таковое вообще планируется).

Q. Допустим, проект достиг своих целей. Пусть это лекарство от болезни, открытие в области физики или что-то ещё практически полезное для людей. И где гарантия, что организаторы не запатентуют его и не будут извлекать сверхприбыли?
A. Такой гарантии обычно нет. Это возможный исход событий в случае успеха того или иного проекта РВ. ОДНАКО: патенты не мешают вам покупать мобильные телефоны GSM, принимать аспирин и застёгивать куртки застёжкой "молния". Даже если поначалу кто-то будет извлекать сверхприбыли, всё-таки лучше иметь лекарство от болезни дорого, чем не иметь вообще. А со временем и оно будет продаваться по нормальной цене.

Q. Так и где же хоть один реальный результат проекта, который тянется уже годы?
A. А что именно понимается под реальным результатом? Проекты РВ ставят различные цели, но если бы просто большой объём вычислений мог, скажем, создать лекарство от любой болезни сам по себе, уже многие суперкомпьютеры мира успели бы посчитать в этом направлении, и лекарства от всех болезней стали бы реальностью. Простота достижения результата в РВ обратно пропорциональна его полезности (в том числе и потому, что всё, что было можно относительно просто сосчитать полезного, было сосчитано и без РВ, остались задачи сложные, чрезвычайно сложные или не такие сложные, но и не слишком коммерчески привлекательные).
Основная роль РВ в области борьбы с болезнями - это "обогащение руды", то есть фильтрация явно бесполезных направлений движения и отбор потенциально полезных. Если брать проекты, которые занимаются конкретно поиском лекарств, - они выбрасывают заведомо неэффективные вещества, но не гарантируют того, что оставшиеся вещества не принесут вреда, побочных эффектов, не будут случайно "обезврежены" какими-то веществами в человеческом теле и т. п. Моделируется только взаимодействие некоей цели с конкретным веществом в определённых условиях. Иными словами, позитивно оцененное проектом вещество может и подавлять рак, но при этом вызывать кому, смерть или необратимое слабоумие. Кроме того, в реальной клеточной среде оно может вести себя иначе, чем в водной среде, которая обычно используется для упрощения расчётов силами РВ.
Если же брать РВ в области биохимии, как все "фолдинги", изучающие сворачивание белков, то они и вовсе не ставят цели создать лекарство в ходе расчёта. Они лишь показывают, как создаётся и приобретает свои свойства белок, а уже на основе этих знаний учёные могут предположить, что может повлиять на этот процесс, попробовать поискать нужные для этого вещества и способы. В этом направлении результаты есть, наука уже получила немало полезной информации от проектов типа Folding@home, Rosetta@home и др.
https://forums.overclockers.ru/viewt...?f=21&t=103804
Хотите принять участие в распределенных вычислениях, тогда, Вам сюда:
https://boinc.berkeley.edu/wiki/Simple_view
https://boinc.berkeley.edu/download_all.php
https://boinc.ru

[SETI_home_v8]

Цели и научные достижения Folding@home.

СПОЙЛЕР »

Цели и научные достижения Folding@home.
Folding@home (F@H, FAH) — это проект распределённых вычислений, который изучает поведение белков (сворачивание и агрегацию молекул). F@H разработан и запущен 1 октября 2000 года учёными из "Pande laboratory" (факультеты химии, структурной биологии и Медицинский центр Стэнфордского университета). Непосредственным руководителем лаборатории является профессор Виджей Панде (Vijay Pande). Для своего времени Folding@home стал революционным в области использования для распределённых вычислений и научных исследований вычислительной мощности видеоускорителей (GPU), игровых консолей PlayStation 3 и программного интерфейса MPI, используемого для вычислений на многоядерных процессорах.

Цели и научные достижения.

Цель проекта Folding@home — с помощью компьютерного моделирования процессов свёртывания/развёртывания молекул белка, получить лучшее понимание причин возникновения болезней, вызываемых дефектными белками, таких как:

Болезнь Альцге́ймера (также сенильная деменция альцгеймеровского типа) — наиболее распространённая форма деменции, неизлечимое нейродегенеративное заболевание, впервые описанное в 1906 году немецким психиатром Алоисом Альцгеймером. Как правило, она обнаруживается у людей старше 65 лет, но существует и ранняя болезнь Альцгеймера — редкая форма заболевания. Общемировая заболеваемость на 2006 год оценивалась в 26,6 миллионов человек, а к 2050 году число больных может вырасти вчетверо. У каждого человека болезнь протекает по-своему, но при этом наблюдается ряд общих симптомов. Первые заметные проявления обычно по ошибке связывают с преклонным возрастом или объясняют влиянием стресса. Наиболее часто на ранних стадиях распознаётся расстройство памяти, этот симптом может проявляться, например, неспособностью вспомнить недавно заученную информацию. При обращении к врачу и подозрении на болезнь Альцгеймера для уточнения диагноза обычно анализируют поведение, проводят серию когнитивных тестов, если возможно, проводится магнитно-резонансная томография (МРТ). С развитием болезни проявляются такие симптомы, как спутанность, раздражительность и агрессивность, колебания настроения, нарушается способность говорить и понимать сказанное (афазия), происходит потеря долговременной памяти и общее самоустранение больного от дел по мере затухания сознания. Постепенная потеря функций организма ведёт к смерти. Индивидуальный прогноз затруднён из-за вариаций в длительности течения болезни, которая может развиваться подспудно на протяжении длительного времени, прежде чем станут заметны симптомы и будет поставлен диагноз. Средняя продолжительность жизни после установления диагноза составляет около семи лет, менее трёх процентов больных живут более четырнадцати лет.

Болезнь Паркинсо́на — хроническое заболевание, характерное для лиц старшей возрастной группы. Вызвано прогрессирующим разрушением и гибелью нейронов чёрного вещества среднего мозга и других отделов центральной нервной системы, использующих в качестве нейромедиатора дофамин. Для болезни Паркинсона характерны двигательные нарушения: тремор, гипокинезия, мышечная ригидность, постуральная неустойчивость, а также вегетативные и психические расстройства — результат снижения тормозящего влияния бледного шара (паллидума), расположенного в переднем отделе головного мозга, на полосатое тело (стриатум). Повреждение нейронов паллидума приводит к «торможению торможения» периферических двигательных нейронов (мотонейронов спинного мозга). На данный момент болезнь неизлечима, однако существующие методы консервативного и оперативного лечения позволяют значительно улучшить качество жизни больных. Своим названием болезнь обязана французскому неврологу Жану Шарко. Он предложил назвать её в честь британского врача и автора «Эссе о дрожательном параличе» Джеймса Паркинсона, чей труд не был должным образом оценён при жизни.

Болезнь Хантингтона (синдром Хантингтона, хорея Хантингтона или Гентингтона) — генетическое заболевание нервной системы, характеризующееся постепенным началом обычно в возрасте 30-50 лет и сочетанием прогрессирующего хореического гиперкинеза и психических расстройств. Заболевание вызывается умножением кодона CAG в гене IT-15. Этот ген кодирует 350-kDa белок хантингтин с неизвестной функцией. В гене дикого типа (не мутантного) у разных людей присутствует разное количество CAG повторов, однако, когда число повторов превышает 36, развивается болезнь. Нейроморфологическая картина характеризуется атрофией стриатумa, а на поздней стадии также атрофией коры головного мозга.

Несовершенный остеогене́з (лат. osteogenesis imperfecta; иначе «несовершенное костеобразование», болезнь «хрустального человека») — группа генетических нарушений. Одно из заболеваний характеризующееся повышенной ломкостью костей. Люди с НО либо имеют недостаточное количество коллагена, либо его качество не соответствует норме. Так как коллаген важный белок в структуре кости, это заболевание влечёт за собой слабые или ломкие кости. Будучи генетическим нарушением, НО является аутосомно-доминантным дефектом. В большинстве переданным по наследству от родителей, однако, возможна и индивидуальная спонтанная мутация.
Болезнь Кройцфе́льдта — Я́коба (более распространена транскрипция Крейтцфельдта — Якоба, названо по именам немецких врачей Hans Gerhard Creutzfeldt, Alfons Maria Jakob; синонимы: псевдосклероз спастический, синдром кортико-стриоспинальной дегенерации, трансмиссивная спонгиоформная энцефалопатия, коровье бешенство) — прогрессирующее дистрофическое заболевание коры большого мозга, базальных ганглиев и спинного мозга. Считается основным проявлением губчатой энцефалопатии (прионная болезнь).

К настоящему времени проект Folding@home успешно смоделировал процесс свёртывания белковых молекул на протяжении 5-10 мкс — это в тысячи раз больше предыдущих попыток моделирования. По результатам эксперимента вышло чуть менее 200 научных работ.

Производительность.

В 2007 году книга рекордов Гиннесса признала проект Folding@home самой мощной сетью распределённых вычислений. В июле 2008 года F@H признан крупнейшим проектом распределённых вычислений, как по мощности, так и по числу участников. Кроме того, до середины 2011 года он был самым мощным в мире симулятором молекулярной динамики. В декабре 2011 года проект Folding@home занимал вторую строчку мирового рейтинга самых мощных систем распределённых вычислений, уступая лишь Bitcoin.

В настоящее время Folding@home является одной из самых быстрых систем в мире компьютеров. По состоянию на 20 октября 2012, в проекте задействованы 215312 активных CPU, 20530 активных GPU и 17257 активных PS3 (с 6.11.2012 поддержка этой игровой консоли прекращена, задания не выдаются). Суммарная производительность составляет около 6 Pflops (петафлопс). Для сравнения, немецкий суперкопьютер "SuperMUC" занимает четвёртую строчку в мировом рейтинге суперкомпьютеров (TOP500 - 06/2012) и имеет вычислительную мощь равную примерно 3 Pflops, мощь американского "Mira" равна 8 Pflops.

Особенности.

В отличие от многих других проектов распределённых вычислений, Folding@home ведётся некоммерческим образовательным учреждением, занимающимся научными исследованиями и образованием. Полученные данные не предназначены для продажи, поэтому заработать деньги на этом невозможно. Более того, Стэнфордский университет открыто публикует результаты полученных данных. Анализ процессов отправляется в научные журналы для публикации и в дальнейшем эти статьи будут размещаться в сети. Затем, после публикации статей с анализом данных, результаты вычислений становятся доступны на веб-сайте университета и все желающие, включая других исследователей, могут ими воспользоваться.

Что же такое распределённые вычисления?

Распределённые вычисления это метод компьютерной обработки данных при котором несколько частей программы или несколько порций данных одновременно обрабатываются на двух и более компьютерах, которые связаны между собой локальной сетью или интернетом. 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 оценить свой вклад по средствам статистики. Каждый участник может запустить программу-клиент на одном или более компьютерах, может вступить в одну из команд.

Для выполнения вычислений Folding@home использует вычислительную мощь сотен тысяч персональных компьютеров со всего мира. Так почему же нельзя просто использовать суперкомпьютер? Современные суперкомпьютеры на самом деле являются кластерами сотен процессоров связанных высокоскоростной сетью. Скорость этих процессоров сравнима (и часто даже ниже) со скоростью процессоров в обычных компьютерах! Таким образом, если алгоритм (такой как наш) не требует быстрого сетевого подключения, он будет исполняться с той же скоростью, что и суперкомпьютер. Конечно, нашей программе нужны не сотни процессоров современных суперкомпьютеров, а сотни тысяч процессоров.

Следовательно, вычисления выполняемые Folding@home невозможны иным методом! Более того, даже если бы нам дали доступ ко всем суперкомпьютерам мира, мы всё равно делали бы меньше циклов вычислений чем на нашем кластере под именем Folding@home! Это возможно потому, что процессоры сейчас очень быстрые и в мире простаивают сотни миллионов компьютеров.

Если вы прочитали весь пост и читаете эти слова, то наверняка у вас возникло желание попробовать свои силы.

Что ж, мануалы и наши советы вам в помощь!
Удачи!

https://forums.overclockers.ru/viewforum.php?f=21

Хотите принять участие в распределенных вычислениях, тогда, Вам сюда:
https://boinc.berkeley.edu/wiki/Simple_view
https://boinc.berkeley.edu/download_all.php
https://boinc.ru

[SETI_home_v8]

BOINC для Android. Инструкция для начинающих

Если хочется помочь науке, но после прочтения отзывов остались сомнения, примените несколько правил, которые помогут вам сделать работу с BOINC более простой и безопасной.

Чтобы настроить программу так, как вам хочется, зайдите для начала в ее "Настройки" и активируйте параметр “Показать дополнительные настройки и элементы управления”, чтобы увидеть скрытые настройки. Но прежде не забудьте посетить сайты проектов, в которых хотите участвовать, зарегистрироваться в них и настроить процесс вычислений в своей учетной записи.

Предлагаю для начала разобрать те проблемы, на которые жалуются пользователи, и которые решаются на раз-два:

Перегрев смартфона

Для вычислений используйте половину ядер процессора (см. подробности ниже), а в параметрах “Предельное время процессора” и “Пауза при использовании процессора выше” укажите комфортные для вашего устройства значения. Когда я не пользуюсь смартфоном, и там, и там у меня стоят значения "100%", а температура аккумулятора редко - особенно ночью - достигает 32-34 градуса.

Большая нагрузка на память (жесткий диск)

Промежуточные результаты вычислений BOINC сохраняет на диск, создавая, тем самым, контрольные точки (checkpoints). По умолчанию сохранение происходит каждые 60 секунд, что очень часто. Я, например, выставил 600 секунд, после чего частота обращений к диску снизилась в 10 раз! Чтобы внести свои изменения, перейдите к настройке “Диск – Период доступа”.

Смартфон тормозит

Чтобы это не произошло, нужно снизить нагрузку не только на процессор (см. подробности выше), но и на оперативную память (ОЗУ) смартфона. В настройках найдите “Память – Ограничение ОЗУ” и введите нужное для вас значение.

Другие полезные советы:

Используйте только половину ядер

Как правило, Android оставляет быстрые ядра себе, а более медленные отдает сторонним приложениям. Если задействовать все имеющиеся ядра, аккумулятор сильно нагреется, а нагрузка на медленные ядра и время расчета каждого задания увеличатся более чем в 2 раза, поскольку быстрые ядра не будут участвовать в вычислениях. См. настройку “Процессор – Используемые ядра процессора”.

Температура аккумулятора

Для слежения за этим параметром я скачал и установил приложение CPU-Z. Оно также показывает, сколько на вашем смартфоне ядер, их мощность и загрузку, а также много другой полезной информации. Есть и другие программы из этой категории.

"Источники питания для вычислений"

По умолчанию, программа BOINC работает, если смартфон заряжается от электросети, а уровень заряда выше 90%. Можно, конечно, оставить его на зарядке на всю ночь (Совет: перед отключением от сети не забудьте приостановить вычисления, иначе они возобновятся с последней контрольной точки или, что хуже, с самого начала!) или в другое время суток, но эксперты не советуют – сохранится нагрузка на элементы питания. Лучше всего выбрать в настройках пункт “Источники питания для вычислений” и поставить галочку рядом с “Аккумулятор” (чтобы увидеть этот параметр, прокрутите список вниз). В этом случае программа будет вести расчеты везде, куда бы вы ни взяли с собой ваш смартфон. И, конечно же, не забудьте выбрать свое значение в настройке “Мин. уровень заряда батареи”, при достижении которого вычисления приостанавливаются. Я пользуюсь смартфоном не часто, поэтому установил значение "20%".

Какие проекты выбрать?

Из всех проектов сейчас самый стабильный (т.е. работает почти или совсем без ошибок) – это космический проект Universe@home, который к тому же пришелся по душе всем аккумуляторам смартфонов 🙂 Следом за ним по этому показателю идет World Community Grid. Эти данные основаны на личном и чужом опыте. В других проектах ошибок, как пишут, немного больше, но их разработчики постоянно работают над их устранением. Лично у меня проект Rosetta@home, как и Universe@home, считался без проблем.

“Приостановить вычисления, когда экран включен”

Деактивируйте эту настройку, если хотите, чтобы вычисления не останавливались, даже когда вы пользуетесь смартфоном.

ВАЖНО: подобрать оптимальные настройки можно только путем экспериментов. То, что оптимально для топового (или более современного) смартфона, для более старой модели может стать "Fatality"!
Удачи и новых открытий! 🙂

Хотите принять участие в распределенных вычислениях, тогда, Вам сюда:
https://boinc.berkeley.edu/wiki/Simple_view
https://boinc.berkeley.edu/download_all.php
https://boinc.ru

[SETI_home_v8]

OpenPandemics - COVID-19 теперь работает на машинах с графическими процессорами

СПОЙЛЕР »

OpenPandemics - COVID-19 теперь работает на машинах с графическими процессорами

6 апреля 2021 г.
Резюме

Программное обеспечение OpenPandemics - COVID-19 адаптировано для использования мощности графического процессора. Это не только поможет исследователям проверять больше молекул, но также может помочь им изучить более сложные молекулы.

В течение нескольких месяцев исследователи OpenPandemics - COVID-19 из лаборатории Forli в Scripps Research и техническая группа World Community Grid работали за кулисами, чтобы адаптировать AutoDock 4, программное обеспечение, лежащее в основе проекта, для использования на устройствах с графическими процессорами.

Во время бета-тестирования мы обнаружили, что рабочие блоки, работающие на графических процессорах добровольцев, выполняли в среднем в 500 раз быстрее (затраченное время графического процессора по сравнению с временем процессора), чем такой же объем работы, когда он выполнялся с использованием версии AutoDock для процессора.
https://www.worldcommunitygrid.org/r...n1/overview.do
https://forlilab.org/

Что такое графический процессор?

Графический процессор (GPU) - это другое название видеокарты внутри компьютера, которая изначально использовалась для отображения текста и изображений на мониторе. По мере развития графических процессоров они приобрели огромную мощность параллельной обработки.
Первоначально это было побочным продуктом ускорения специализированных вычислений, связанных с графикой, но со временем производители расширили эти возможности, чтобы они позволяли выполнять вычисления общего назначения. Как следствие, современные графические процессоры могут выполнять определенные типы вычислений значительно быстрее, чем центральные процессоры (ЦП), которые координируют всю работу на компьютере.

Однако, чтобы использовать графический процессор для научных расчетов, приложения должны быть изменены, чтобы иметь возможность использовать высокий уровень параллелизма для эффективного использования вычислительных возможностей графических процессоров.
Если доброволец запускает OpenPandemics на устройстве с подходящим графическим процессором и соответствующим образом корректирует свои настройки, это устройство может выполнять рабочие единицы гораздо быстрее, чем устройство, использующее только центральный процессор.

Почему так важно увеличивать скорость этого проекта?

AutoDock-GPU может еще больше увеличить шансы проекта на обнаружение молекулы с антивирусными свойствами. По сравнению с AutoDock 4 (текущая версия программного обеспечения, используемого для OpenPandemics, AD-GPU намного быстрее, что значительно повысит и без того потрясающую скорость стыковки результатов.

Кроме того, AD-GPU имеет улучшенный алгоритм поиска, который демонстрирует большую вероятность обнаружения сильных взаимодействий между молекулами и вирусными белками и хорошо подходит для стыковки более крупных или более сложных молекул. Это означает, что исследователи могут использовать AD-GPU не только для проверки большего количества молекул, но и для поиска более сложных молекул.

Сравнение GPU OpenPandemics и CPU для первоначально ориентированных на CPU пакетов 30010-30019, запущенных во время бета-тестирования. Среднее количество дней для завершения одного всего пакета (синие столбцы) показано со средними баллами за пакет (оранжевые столбцы). Общее среднее ускорение составило 334 раза (максимальное наблюдаемое - 516 раз).

Общее среднее количество баллов за партию свидетельствует об увеличении алгоритмической эффективности графического процессора в 1,6 раза. Эта повышенная эффективность будет использоваться в пакетах, ориентированных на GPU, и приведет к гораздо более высоким баллам за пакет GPU. Больше молекул, более сложные молекулы и за меньшее время ... все это имеет решающее значение для поиска потенциальных методов лечения вируса, который не только все еще распространяется в большей части мира, но и продолжает мутировать.

Так важны ли для этого проекта устройства без графических процессоров? Да!

В настоящее время только около 20 процентов мощности World Community Grid поступает от устройств с графическим процессором, поэтому участие каждого желающего компьютера с процессором, устройства Android и Raspberry Pi остается решающим. Спасибо всем, кто поддерживает OpenPandemics - COVID-19!

Чтобы узнать больше о мощности графического процессора для этого проекта, в том числе о том, как сделать так, чтобы ваше устройство с графическим процессором могло участвовать в нем, посетите наши часто задаваемые вопросы о графических процессорах.
https://www.worldcommunitygrid.org/h...?shortName=GPU

Хотите принять участие в распределенных вычислениях, тогда, Вам сюда:
https://boinc.berkeley.edu/wiki/Simple_view
https://boinc.berkeley.edu/download_all.php
https://boinc.ru

[SETI_home_v8]

Системные Требования World Community Grid.

Каковы рекомендуемые минимальные технические характеристики системы?

Сколько данных я буду загружать и выгружать, участвуя в World Community Grid? Как узнать, запущено ли на моем компьютере 64-разрядное исследовательское приложение?

Каковы рекомендуемые минимальные технические характеристики системы?

Чтобы участвовать в World Community Grid, вам необходимо иметь как минимум следующее: Возможность отображения графики (при желании увидеть графику) Интернет-соединение Кроме того, у каждого исследовательского проекта свои потребности в памяти и дисковом пространстве. Это следующие:

Исследовательский проект. Память. Доступное пространство. Операционные системы. Africa Rainfall Project 1 ГБ 1,5 ГБ Windows Mac Linux
FightAIDS @ Home - Phase 2 1 ГБ 100 МБ Windows Mac Linux
Help Stop TB 200 МБ 200 МБ Windows Mac Linux
Картирование онкологических маркеров 400 МБ 500 МБ Windows Mac Linux Android
Microbiome Immunity Project 650 МБ 250 МБ Windows Mac Linux
OpenPandemics - COVID19 250 МБ 100 МБ Windows Mac Linux Android
Smash Childhood Cancer 250 МБ 100 МБ Windows Mac Linux Android

1.Доступна версия для процессоров x86.
2. Доступна версия для процессоров x86-64.
3. Доступна версия для процессоров ARM.
4. Минимальное требование Android - версия Android 4.4.
5. Доступна версия для GPU (Open CL 1.2)
6. Пользователям, которые решили запустить этот проект, рекомендуется установить параметр «Оставлять приложения в памяти во время приостановки» в своем профиле устройства.
https://www.worldcommunitygrid.org/m...o?name=Default
Чтобы ограничить количество задач, назначенных вашему устройству для конкретного проекта, см. FAQ здесь.
https://www.worldcommunitygrid.org/h...me=results#843
https://www.worldcommunitygrid.org/h...minimumreq#top

Сколько данных я буду загружать и выгружать, участвуя в World Community Grid?

Объем передаваемых данных зависит от того, как настроены ваши параметры обработки, насколько мощный ваш компьютер и как часто он включен. Это также зависит от того, какие исследовательские проекты вы запускаете на своем компьютере. Средний компьютер, участвующий в World Community Grid, выдает около 2 результатов в день. Каждый из исследовательских проектов World Community Grid использует разные приложения, входные и выходные файлы. В результате размер, используемый для каждого из них, зависит от проекта. Это показано на диаграмме ниже. Обратите внимание, что данные сжимаются во время передачи и распаковываются после загрузки. В результате он будет занимать на диске больше места, чем указано ниже.

Одноразовая загрузка. Загрузка по рабочему модулю. Выгрузка рабочей единицы.

Africa Rainfall Project 100 МБ 100 МБ 60 МБ
FightAIDS @ Home - Phase 2 10 МБ 0,2 МБ 1 МБ
Help Stop TB 30 МБ 5 МБ 10 МБ
Картирование онкологических маркеров 40 МБ 0,1 МБ 3 МБ
Microbiome Immunity Project 100 МБ 50 МБ 1,5 МБ
OpenPandemics - COVID19 10 МБ 0,2 МБ 0,1 МБ
Smash Childhood Cancer 2 МБ 0,2 МБ 0,1 МБ

На компьютере с Windows вы можете использовать диспетчер задач Windows для просмотра имени процесса. 64-битные исследовательские приложения заканчиваются на windows_intelx86_64, а 32-битные приложения заканчиваются на windows_intelx86.

На компьютере с Linux вы можете найти PID исследовательского приложения (которое будет начинаться с имени «wcg»), а затем выполнить команду «file -L / proc / PID / exe». В OS X мы поддерживаем только 64-битные приложения, поэтому все задачи World Community Grid будут запускать 64-битное приложение.

Хотите принять участие в распределенных вычислениях, тогда, Вам сюда:
https://boinc.berkeley.edu/wiki/Simple_view
https://boinc.berkeley.edu/download_all.php
https://boinc.ru

[SETI_home_v8]

Добровольные распределенные вычисления в России: социологический анализ

СПОЙЛЕР »

Добровольные распределенные вычисления в России: социологический анализ
В.Н. Якимец, И.И. Курочкин Институт проблем передачи информации РАН
iakim@isa.ru, kurochkin@iitp.ru

Аннотация

В докладе изложены результаты первого в России выполненного в 2014 году социологического исследования сообщества кранчеров страны, вовлеченных в добровольные распределенные вычисления. Описана организация опроса и приведены сведения о возможностях, предпочтениях и пожеланиях кранчеров.

Ключевые слова: добровольные распределенные вычисления,
кранчеры, социологический опрос.

В рамках распределенных вычислений, представляющих собой способ решения трудоемких вычислительных задач с использованием компьютеров, объединенных в вычислительную систему, особый интерес представляют добровольные вычисления (volunteer computing). Это распределенные вычисления с использованием добровольно предоставленных вычислительных ресурсов. Известно, что современные вычислительные системы для добровольных вычислений строятся на базе грид-систем. Если не вдаваться в
математические, технологические и информационные аспекты таких вычислений, а обратиться к термину «добровольные», то, если угодно, мы сталкиваемся с малоизученной стороной российского гражданского общества.

Сообщество специалистов и различных заинтересованных сторон, вовлеченных в развитие и применение технологий распределенных информационновычислительных сред, а также в выполнение добровольных вычислений – это особый и своеобразный фрагмент гражданского общества.

Приведем примеры добровольных вычислений из разных областей знания. Так, в рамках естественных наук – это моделирование работы адиабатического квантового сверхпроводящего компьютера (AQUA@home), или проект в области астрономии, целью которого является определение формы и параметров вращения астероидов по данным фотометрических наблюдений (Asteroids@home), или проект по моделированию влияния выбросов углекислого газа на климат Земли (Climate Prediction); решение вычислительно сложных аэрокосмических задач (оптимизация траекторий спутников и зондов, моделирование экзосферы Луны (Constellation); моделирование поведения заряженных частиц в магнитном поле термоядерного реактора ITER.

Сборник научных статей XVIII Объединенной конференции «Интернет и
современное общество» IMS-2015, Санкт-Петербург, 23-25 июня 2015 г.
© Университет ИТМО
Раздел 3. Информационно-коммуникационные системы и области их применения 345
(EDGeS@Home); проект по обработке сигналов радиотелескопа для поиска радиосигналов внеземных цивилизаций (SETI@Home).

В области биологии и медицины можно назвать проект университета Вандербильдта, основными целями которого являются выяснение структуры мембранных белков (мишени для лекарств), проектирование белков с новой структурой и функциями, понимание количественных отношений между химической структурой и биологической активностью (синтез лекарств).

(Biochemical Library), проект, целью которого является исследование корреляций между последовательностями в трехмерной структуре генома (Correlizer); российский проект, связанный с вычислением структуры белка, скринингом баз данных биологически активных соединений (DrugDiscovery@Home); проект по поиску лекарства от рака (до апреля 2007 года реализовывался grid.org), а затем был передан в сеть World Community Grid.

Участников процесса добровольных распределенных вычислений называют
кранчерами (crunchers).

Нас заинтересовал социологический срез российского сообщества кранчеров. Детального социологического исследования российских кранчеров найти не удалось.

В тоже время качественная реализация исследований и разработок в данной сфере определяется и тем, сколь эффективно работают коллективы ученых и специалистов (как правило, междисциплинарные), и тем, как участвуют в создании, внедрении и поддержке технологий распределенных информационновычислительных сред иные заинтересованные стороны и лица, представляющие интернет-сообщество, составляющее на сегодняшний день своеобразный срез гражданского общества.

В мире было выполнено два социологических опроса [1]:

- анкетирование, которое проводили создатели платформы BOINC
(Калифорнийский университет) в 2006 году (более 30 тыс. респондентов, включая около 500 человек из России и Украины),

- опрос 2013 года, организованный IBM среди участников проекта World
Community Grid (WCG), в котором было задействовано более 15 тыс. респондентов, в том числе около 300 русскоязычных.
В 2014 году на базе Центра распределенных вычислений Института проблем
передачи информации РАН мы организовали и провели первое социологическое
исследование мотиваций и предпочтений участников добровольных
распределенных вычислений (далее ДРВ) в России [2, c.8; 3].

Рассмотрим некоторые результаты исследования.

Для опроса предпочтений российских кранчеров нами была разработана
специальная анкета.

В ней содержалось 26 вопросов, разбитых по следующим разделам:

- опыт добровольных распределенных вычислений;
- проекты и интересы;
- национальные проекты;
- общие данные о кранчере;
- предпочтения и пожелания кранчеров в отношении проектов ДРВ;
- идентификация (по желанию).

Информационное общество: образование, наука, культура и технологии будущего
Каждый из 15 вопросов анкеты был полузакрытым, чтобы помимо предложенных вариантов ответа у респондента была возможность вписать свой вариант. Опрос с использованием этой анкеты проводился в середине 2014 года.

Информационное обеспечение и привлечение волонтеров-кранчеров к участию в анкетировании было обеспечено администраторами сайта BOINC.RU. Им удалось задействовать практически все существующие русскоязычные интернет-ресурсы, посвященные ДРВ, и реализовать следующие действия:

- распространить объявление на сайте и озвучить тему и цель
исследования на форуме BOINC.RU;
- сделать почтовую рассылку среди почти 800 зарегистрированных
участников форума;
- разместить информацию в тематических форумах на сайтах:
astronomy.ru, overclockers.ru, distributed.ru, distributed.org.ua, в группе
социальной сети «ВКонтакте»;
- осуществить почтовую рассылку по списку адресов участников известных
российских команд Russia Team и Crystal Dream (более 3000 адресов).

Этими действиями была обеспечена высокая репрезентативность результатов опроса.
В России активно участвуют в ДРВ около 4000 российских кранчеров, всего на анкету ответили почти 650 человек, что составляет более 16 %. В большинстве своем это мужчины (97%) в возрасте от 23 до 50 лет (87%) (рис.1) с высшим (80%) образованием (преимущественно (55%) техническим) (рис.2).

Для сравнения отметим, что в опросе WCG участвовало 90% мужчин, а 68% респондентов были в возрасте от 25 до 54 лет.
Рис. 1. Возраст респондентов (полных лет)
Рис. 2. Распределение респондентов по уровню образования

Раздел 3. Информационно-коммуникационные системы и области их применения 347
Подавляющее большинство респондентов (96%) – это кранчеры -
непосредственные участники ДРВ, к основателям ДРВ-команд отнесли себя 3 %
опрошенных.

На рисунке 3 приведено распределение кранчеров по стажу занятий ДРВ.
Половина из них занимается ДРВ более 3 лет, в том числе 17 % имеют стаж
более 7 лет.

Рис. 3. Распределение респондентов по стажу занятий кранчерством

Интересно, что отвечая на вопрос о том, что их привлекает участвовать в ДРВ (разрешалось выбрать не один вариант ответа), почти 93% респондентов отметили свое стремление помочь научным исследованиям, 51% - свою причастность к научным открытиям, а 27% - просто «спортивный» интерес. Выявлено, что мощности, которыми располагают кранчеры для ДРВ, распределились следующим образом:

- 1 или 2 компьютера стандартной конфигурации – 76%;
- 1 вычислительный сервер или много компьютеров – 17%;
- много серверов или компьютеров – 7%.

Интересны данные относительно той тематики проектов ДРВ, в которой участвуют кранчеры (рис.4). Здесь доминируют две области знаний: астрономия (57%) и биология/медицина (57%). Немалое количество респондентов (44%) участвуют в проектах из области математики и физики. Если учесть еще, что 17 % участников опроса выбрали вариант ответа «любая тематика», то становится очевидным, что осуществляя ДРВ в избранной тематике, кранчеры интересуются работами в проектах других направлений.

Рис.4. Распределение кранчеров по тематике проектов ДРВ. Заметим, что более трех четвертей опрошенных представлены на сайте boinc.ru, 40% - на сайтах проектов и почти четверть (23%) – на сайте команды.

Информационное общество: образование, наука, культура и технологии будущего (рис.5). Такое предпочтение в отношении платформы BOINC респонденты объясняли тем, что это самая распространенная платформа (56%), 4% кранчеров сослались на то, что им посоветовали так поступить их коллеги, а 36% опрошенных ничего не знают о других платформах.

Рис. 5. Присутствие кранчеров на сайтах ДРВ

Данные социологического опроса позволяют сделать некий обобщающий вывод относительно российских кранчеров: это люди, с высоким уровнем образования и квалификации (в различных областях знаний); они осознанно подходят к выбору, как самого проекта ДРВ, так и к вопросам взаимодействия и взаимоотношений с его организаторами, а также предпочитают ощущать себя соучастниками исследований, быть в курсе проблем и успехов проекта, к которому присоединились; это партнеры для организаторов проектов.

Можно выстроить следующий усредненный портрет российского кранчера:
это - мужчина (97%); в возрасте от 23 до 50 лет (87%), имеющий высшее (80%) техническое образование (55%), располагающий 1-2 компьютерами (76%), использующий платформу BOINC (96%) для оказания помощи науке (93%). Задавался вопрос о том, как вообще у кранчеров возникает доверие к проектам ДРВ. Ответы кранчеров распределились так: если они имеют доступ к подробной информации о проекте (90%), или когда они могут познакомиться с публикациями проектных результатов (88%) или со ссылками на научные статьи (65%). (рис.6). И почти половина опрошенных (45%) испытывают доверие, если имеется обратная связь с разработчиками.

Рис. 6. Из чего складывается доверие кранчеров к проектам ДРВ Были выявлены предпочтения российских кранчеров, на которые они опираются, участвуя в тех или иных проектах ДРВ. Так, более половины

Раздел 3. Информационно-коммуникационные системы и области их применения 349
опрошенных - 54 % кранчеров – готовы участвовать в реализации национальных проектов, если им будет предоставлена подробная информация о целях и задачах, в то же время 34% вообще готовы к сотрудничеству без предварительных условий (рис.7).

Рис.7. О готовности респондентов участвовать в национальных проектах
Из рисунка 8 видим, что для большинства кранчеров значимо, как определены цели и задачи ДРВ-проектов из разных отраслей. Чуть более трети из них готовы участвовать без каких-то условий.

Рис. 8. О готовности участвовать в ДРВ-проектах из разных отраслей
На рисунке 9 сведена информация о том, какие результаты проектов ДРВ наиболее интересны кранчерам. Это фотографии, графики, гистограммы, ссылки на научные публикации (около трех четвертей опрошенных). Чуть более половины респондентов заинтересованы знать о ближайших планах разработчиков (56%) и о том, где проект упомянут в СМИ (55%). В меньшей степени кранчеры хотели бы «копаться» в табличных данных.

Интересы кранчеров к результатам ДРВ-проектов из разных отраслей не сильно отличались: визуализация (графики, фотографии и пр.), планы разработчиков и ссылки на публикации.

Информационное общество: образование, наука, культура и технологии будущего
Рис. 9. Какие результаты проектов ДРВ интересны кранчерам Приведем обобщенные пожелания кранчеров к новым проектам ДРВ (рис.10).

Рис.10. Доля кранчеров, отметивших пожелания к новым проектам ДРВ
Два важнейших из них – понятное краткое описание проекта (81%) и публикация актуальных новостей о нем (77%). Следующие три пожелания – постоянно поддерживать сайт (59%), следить за наличием новых заданий (57%), отвечать на вопросы кранчеров (53%). И последнее – создавать версии приложений для различных платформ (47%).

В заключении отметим, что выполненное исследование посвящено чрезвычайно важной, с точки зрения развития распределенных вычислений, теме - отношения интернет-сообщества к проблематике добровольных распределенных вычислений. Представленные результаты обработки, фактически, первого, проведенного в России, многофакторного
социологического опроса, позволили определить предпочтения и пожелания кранчеров в отношении различных проектов ДРВ, что создает предпосылки для повышения эффективности работы проектных групп, а также очерчивает Раздел 3. Информационно-коммуникационные системы и области их применения, перспективы повсеместного внедрения и поддержки распределенных информационно- вычислительных сред.

Хотите принять участие в распределенных вычислениях, тогда, Вам сюда:
https://boinc.berkeley.edu/wiki/Simple_view
https://boinc.berkeley.edu/download_all.php
https://boinc.ru

[SETI_home_v8]

Проект GPUGRID.net

СПОЙЛЕР »

Проект GPUGRID.net
GPUGRID.net - это добровольный проект распределенных вычислений для биомедицинских исследований Университета Помпеу Фабра в Барселоне (Испания). GPUGRID состоит из множества видеокарт (GPU), объединенных вместе, чтобы обеспечить высокопроизводительное моделирование биомолекулярных процессов на всех атомах. Молекулярные симуляции, выполняемые нашими добровольцами, являются одними из наиболее распространенных типов, выполняемых учеными в этой области, но они также являются одними из самых требовательных к вычислениям и обычно требуют суперкомпьютера. Запуск GPUGRID на графических процессорах вводит новшества в добровольческие вычисления, предоставляя приложения класса суперкомпьютеров в рентабельной инфраструктуре, что существенно повлияет на методы проведения биомедицинских исследований.
http://www.upf.edu/

Наша деятельность преследует исключительно научные и академические цели, с неоценимой помощью всех добровольцев, которые жертвуют вычислительные мощности проекту GPUGRID.net для продвижения научных исследований. Мы хотели бы поблагодарить их всех здесь.

ДЖАННИ ДЕ ФАБРИТИИС, PhD // Главный исследователь

Рамон-и-Кахаль из Университета Помпеу Фабра (UPF). Он имеет докторскую степень по химии Лондонского университета и итальянскую лауреат по прикладной математике Болонского университета. Он был научным сотрудником EPRSC (Великобритания) по программе электронной науки в Центре вычислительных наук Университетского колледжа Лондона. Ранее он работал в начинающей компании в Италии, чтобы оказывать передовую и информированную поддержку принятию решений биотехнологическим и фармацевтическим компаниям. Также он работал в суперкомпьютерном центре CINECA.

ТОНИ ДЖОРГИНО, PhD // Ученый

Тони Джорджино - научный сотрудник Института биофизики Итальянского национального исследовательского совета (IBF-CNR). Он имеет степень по физике (Университет Пизы, 2001 г.) и докторскую степень в области биоинженерии и биоинформатики (Университет Павии, 2005 г.). До 2011 года он был научным сотрудником лаборатории вычислительной биофизики и биохимии Университета Помпеу Фабра (GRIB-UPF). Его исследовательские интересы включают применение архитектур ускорителей (GPU) и высокопроизводительных вычислительных архитектур (таких как BOINC и GPUGRID.net) для моделирования сложных биологических систем, взаимодействий белок-белок и белок-лекарство.

МЭТТ ХАРВИ // Разработчик

Системный аналитик высокопроизводительных вычислений в Имперском колледже Лондона. Он имеет степень в области астрофизики и информационных технологий Университетского колледжа Лондона (UCL). В 2002-2005 гг. Работал в Центре вычислительных наук UCL. Ранее он работал инженером-программистом в секторе финансовых банковских услуг. В настоящее время он защищает докторскую степень в Университете Помпеу Фабра.

СТЕФАН ДОЕРР // Аспирант

Стефан Дорр - доктор наук, научный сотрудник Университета Помпеу Фабра. Он имеет степень в области компьютерных наук Университета Крита (UOC) и степень магистра компьютерных наук с применением в области биологии Технического университета Берлина (TUB). Его интересы заключаются в разработке методов ускорения молекулярного моделирования, а также в разработке инструментов для анализа биомолекулярных систем.

ЖЕРАР МАРТИНЕС // аспирант

Имеет степень бакалавра биомедицинских наук в университете Барселоны (UB) и степень магистра биоинформатики в университете Помпеу Фабра (UPF). Увлечен веб-дизайном / разработкой и в настоящее время защищает докторскую степень по молекулярному моделированию в надежде раскрыть молекулярные механизмы, связанные с клинически значимыми заболеваниями.

ПАБЛО ЭРРЕРА // аспирант

Пабло имеет степень в области биохимии Автономного университета Мадрида (UAM) и степень магистра биоинформатики Автономного университета Барселоны (UAB). Его главный интерес - изучение внутренне неупорядоченных белков / областей и их взаимодействия с партнерами по связыванию, а также связывание лиганд-белок и создание лекарств.

АДРИА ПЕРЕС // аспирант

Адриа Перес имеет степень бакалавра биохимии Автономного университета Барселоны (UAB) и степень магистра биоинформатики Университета Помпеу Фабра (UPF). В настоящее время он работает над своим докторским проектом о дизайне белков и антител, разрабатывая метод in-silico для инженерии белков для улучшения их функциональности.

[Lesnik75]

Есть мнение, что эти пресловутые "распределенные вычисления" были предтечей fucking mining.
Сперва протестили сколько особо одаренных готовы тратить электроэнергию за просто так, потом подключили некий профит и - и всё заверте…
A plague on both your houses (с) William наш Shakespeare.

[SETI_home_v8]

Цитата (Lesnik75) »

Есть мнение, что эти пресловутые "распределенные вычисления" были предтечей fucking mining.
Сперва протестили сколько особо одаренных готовы тратить электроэнергию за просто так, потом подключили некий профит и - и всё заверте…
A plague on both your houses (с) William наш Shakespeare.

мнений много, пока никто не доказал обратного...

[SETI_home_v8]

Майское обновление: OpenPandemics - COVID-19

СПОЙЛЕР »

Майское обновление: OpenPandemics - COVID-19
27 мая 2021 г.

Резюме

Проект добавил мощность графического процессора к существующей мощной мощности процессора, которая поддерживает исследования для потенциальных методов лечения COVID-19.

Background

https://www.worldcommunitygrid.org/r...n1/overview.do
https://www.worldcommunitygrid.org/a...?articleId=666
OpenPandemics - COVID-19 был создан, чтобы ускорить поиск потенциальных методов лечения COVID-19. Проект также направлен на создание набора инструментов с открытым исходным кодом для быстрого реагирования, который поможет всем ученым быстро искать методы лечения в случае будущих пандемий.

В конце 2020 года исследователи объявили, что отобрали 70 соединений (из первоначальной группы примерно 20000), которые могут быть многообещающими для исследования в качестве потенциальных ингибиторов вируса, вызывающего COVID-19. В настоящее время проводятся лабораторные испытания 25 из этих соединений.

Рабочие единицы GPU

https://www.worldcommunitygrid.org/a...?articleId=693
https://www.worldcommunitygrid.org/f...43311_offset,0
Недавно мы завершили бета-тестирование и выпустили рабочие блоки GPU для этого проекта. В настоящее время проект рассылает 1700 новых рабочих единиц каждые 30 минут. Мы ожидаем, что в обозримом будущем мы будем рассылать рабочие задания GPU для графические процессоры такими темпами.

Мы продолжим создавать и выпускать обычные рабочие единицы, использующие мощность процессора. Это поможет поддерживать работу в хорошем темпе и гарантирует, что каждый, кто хочет внести свой вклад в вычислительную мощность, сможет принять в ней участие.
Стресс-тест технической инфраструктуры World Community Grid
Ранее в этом месяце техническая группа World Community Grid хотела определить верхний предел вычислительной мощности для программы и выяснить, сможет ли текущая инфраструктура поддерживать нагрузку, если мы предоставим достаточно работы графического процессора для удовлетворения спроса.

Ученые из OpenPandemics - COVID-19 предоставили нам примерно 30 000 пакетов работы графического процессора (равного объему работы, выполненной процессорами за 10 месяцев), и мы позволили этим пакетам работать до тех пор, пока они не будут полностью обработаны.

Стресс-тест длился восемь дней, с 26 апреля по 4 мая 2021 года. Спасибо всем, кто участвовал в этом важном тесте. Мы ожидаем, что вскоре техническая команда представит сообщение на форуме, в котором будут обобщены все, что они узнали о текущих возможностях и ограничениях World Community Grid.

Текущее состояние рабочих единиц

Процессор
Доступно для скачивания: 1322 партии
В процессе: 6240 пакетов
Выполнено: 44 810 партий
5596 партий за последние 30 дней
В среднем 186,5 пакетов в день
Предполагаемое отставание: 7,1 дня *

* Исследовательская группа строит больше рабочих единиц.
GPU
В процессе: 2391 партия
Выполнено: 37 569 партий
35 296 партий за последние 30 дней
(во многом из-за стресс-теста)
В среднем 1176,5 в день
(опять же, во многом из-за стресс-теста)
Щелкните здесь, чтобы узнать больше о ежемесячных обновлениях проекта World Community Grid.

[SETI_home_v8]

Как иногда полезно отвлечься от компьютера и посидеть в тишине!

СПОЙЛЕР »

Зашел как то в гости друг, на работе, говорит, прохожу реабилитацию, редкой минеральной водой поят, Зайечицкая горькая, попробуй, а то я минералку не люблю и в таких количествах не попиваю, остается... Вода дорогая, но полезная... Потому и дорогая, что полезная, практически как коньяк по Евгению Леонову. Посидели, друг ушел, вода осталась.

А на следующий день статью писать с коллегами про оптимизацию и распараллеливание канонизатора, они свою часть уже сделали, осталась моя с математикой выполняемых парастрофических преобразований и диагонализации и соответствующими алгоритмами.

Вода, мягко говоря, специфическая: мало того, что не газированная, так и еще и по вкусу левомецетин с небольшим количеством соды и капелькой йода. Опрокинул стакан залпом (организм, прими как лекарство), собрался с мыслями, начал писать. Прошло пару часов, мысли в голову так и лезут, но что-то живот начало подкручивать. И чем ближе к сути парастрофических преобразований, тем, как назло, все сильнее и сильнее (влияние парастрофических преобразований на биологические объекты не исследовано, надо будет заняться в перспективе . Парастрофические преобразования, несмотря на страшное название, выполняются путем перестановки строк в ортогональном массиве размером 3 x N^2, где первая строка отвечает за номера строк элементов латинского квадрата, вторая — за номера столбцов, а третья — за стоящие в ячейках значения.

Еще бы и картинку нарисовать к этому, но нет, сперва все же следует посетить уединенное заведение, а уже потом — картинки и все остальное, уж больно хорошо живот крутит. Что ж такое, то ли съел что-то не то... Чай с мятой — ел, бутеры — ел, вроде все как всегда...

В заведении хорошо, прохладно, тихо, никто не мешает, только компьютера не хватает: я тут, верхом, а писанина то — она там осталась... Ну да ладно, пользуясь моментом, отложим ее пока в сторону на полчасика и обдумаем одну интересную мысль... А нельзя ли обобщить классический ортогональный массив размера 3 x N^2? 3 x N^2 — это ЛК. А 4 x N^2 — это же пара ОЛК!!! И в нем тоже можно переставлять строки, т.е. фактически сделать обобщение парастрофических преобразований! А 5 x N^2? А это тройка MOLS. Ну и т.д. Как иногда полезно отвлечься от компьютера и посидеть в тишине!

Когда творческий позыв наконец пришел в норму, вернулся к компьютеру, статью отложил и начал обдумывать пришедшую идею. Закодил, проверил, оказалось, что в голове все сложилось правильно, работает!

PS. Ну а к вечеру, когда творческий эффект проявился не только у меня, но и у других членов семьи, решили на семейном совете почитать этикетку, интересно же, какие катионы и анионы дают такой горький вкус. В Абхазии помнится из источника сероводородную воду пили, жарко было, но до этой ей далеко... Оказалось, что эта минеральная вода обладает...

природным слабительным эффектом и рекомендуется при запорах! Скажи мне, кто твои друзья, и я скажу тебе, кто ты! Не один я подшучиваю, иногда и самому достается в отместку. Одну бутылочку я уработал, еще одна осталась, на работу с собой возьму в пятницу, коллег угощу... Они наверное такую страшно полезную и не пробовали, а в творческом порыве можно, например, серьезно продвинуть стратегические показатели кафедры, а то вечно мы что-то где-то недовыполняем...

Теперь по существу. Итак, очень простым преобразованием (обобщение известных парастрофических) можно из имеющейся пары ОЛК получить еще одну неизоморфную ей пару ОЛК, что позволяет удвоить имеющуюся коллекцию КФ ОДЛК. Точнее, удвоить можно ОЛК, с ОДЛК сложнее: для них удвоения не будет, но найденные ЛК в составе ОЛК можно скормить канонизатору, что иногда дает КФ ОДЛК. Из 4!=24 возможных комбинаций интерес представляет одна, в которой значения кортежа [x, y, v1, v2] изменяются на [v1, v2, x, y]. Остальные преобразования можно получить комбинацией данного с известными парастрофическими. Пример: возьмем 1-КФный цикл-4 и одну из пар ОДЛК в его составе

0 1 2 3 4 5 6 7 8 9

1 2 0 6 7 9 8 3 4 5

3 6 7 9 8 4 2 5 1 0

4 0 8 5 2 3 7 1 9 6

5 9 4 8 3 6 0 2 7 1

7 8 6 4 0 1 3 9 5 2

6 4 5 2 1 7 9 0 3 8

9 5 1 7 6 0 4 8 2 3

2 3 9 0 5 8 1 4 6 7

8 7 3 1 9 2 5 6 0 4


1 2 0 3 4 8 5 6 9 7

8 3 9 7 1 6 2 4 0 5

2 8 7 0 5 3 6 9 1 4

7 5 6 4 2 9 8 0 3 1

6 4 8 1 0 2 3 7 5 9

3 0 4 9 6 5 7 1 2 8

0 6 1 5 7 4 9 2 8 3

5 7 3 2 9 0 1 8 4 6

9 1 2 8 3 7 4 5 6 0

4 9 5 6 8 1 0 3 7 2

Применим к ней новое преобразование, в результате чего получается следующая пара ОЛК:

7 0 6 4 2 3 5 9 8 1

3 2 0 7 8 5 9 6 1 4

0 9 3 1 7 6 2 4 5 8

4 8 2 0 1 9 7 5 6 3

1 7 9 2 0 8 6 3 4 5

9 6 5 8 3 1 4 7 0 2

6 3 4 9 5 0 8 1 2 7

8 1 7 5 6 4 0 2 3 9

5 4 1 6 9 2 3 8 7 0

2 5 8 3 4 7 1 0 9 6


5 0 7 6 9 1 4 8 3 2

7 8 1 2 6 5 3 4 0 9

2 5 4 1 8 3 6 7 9 0

4 1 0 3 7 2 9 6 8 5

8 6 9 5 4 7 1 0 2 3

6 2 8 4 3 9 0 1 5 7

0 9 5 7 2 6 8 3 1 4

9 4 3 0 5 8 7 2 6 1

1 3 6 9 0 4 2 5 7 8

3 7 2 8 1 0 5 9 4 6


ЛК в ее составе ортогональны друг другу, но ДЛК не являются. Чтобы сделать из них ДЛК, применим к ним процедуру канонизации (поиска подходящих трансверсалей в их составе, диагонализации, т.е. установки этих трансверсалей на главную и побочную диагонали и проверки полученного ДЛК на наличие ОДЛК). В результате для первого квадрата получается следующее множество ДЛК, имеющих ОДЛК:


0 1 2 3 4 5 6 7 8 9

1 2 0 4 3 6 9 8 5 7

3 6 4 7 5 1 2 0 9 8

8 0 1 5 9 3 7 2 4 6

6 7 9 8 1 2 3 5 0 4

9 3 8 0 6 7 5 4 1 2

2 9 7 1 0 4 8 6 3 5

5 4 3 6 7 8 1 9 2 0

7 8 5 9 2 0 4 3 6 1

4 5 6 2 8 9 0 1 7 3


0 1 2 3 4 5 6 7 8 9

1 2 0 4 8 9 7 5 3 6

3 5 8 0 7 6 4 1 9 2

4 7 3 6 5 8 0 9 2 1

5 0 9 8 1 7 2 4 6 3

8 9 1 7 2 4 3 6 5 0

2 4 6 5 3 0 9 8 1 7

7 6 4 1 9 2 5 3 0 8

9 8 5 2 6 3 1 0 7 4

6 3 7 9 0 1 8 2 4 5


0 1 2 3 4 5 6 7 8 9

1 2 3 0 5 7 8 9 6 4

7 8 4 1 6 3 9 0 2 5

2 5 6 9 1 0 7 8 4 3

8 9 0 4 7 2 3 5 1 6

4 0 9 6 3 8 2 1 5 7

3 6 7 8 0 1 5 4 9 2

9 3 1 5 2 4 0 6 7 8

6 4 5 7 8 9 1 2 3 0

5 7 8 2 9 6 4 3 0 1


0 1 2 3 4 5 6 7 8 9

1 2 0 4 5 8 9 3 6 7

6 4 7 9 2 1 5 8 3 0

7 5 9 1 3 2 0 6 4 8

3 9 8 7 6 4 1 0 5 2

9 0 5 8 7 3 4 1 2 6

4 7 3 5 9 6 8 2 0 1

5 6 1 0 8 9 2 4 7 3

8 3 6 2 1 0 7 5 9 4

2 8 4 6 0 7 3 9 1 5


Для второго, соответственно:


0 1 2 3 4 5 6 7 8 9

1 2 0 4 8 9 7 5 3 6

3 5 8 0 7 6 4 1 9 2

4 7 3 6 5 8 0 9 2 1

5 0 9 8 1 7 2 4 6 3

8 9 1 7 2 4 3 6 5 0

2 4 6 5 3 0 9 8 1 7

7 6 4 1 9 2 5 3 0 8

9 8 5 2 6 3 1 0 7 4

6 3 7 9 0 1 8 2 4 5


0 1 2 3 4 5 6 7 8 9

1 2 0 4 3 6 9 8 5 7

3 6 4 7 5 1 2 0 9 8

8 0 1 5 9 3 7 2 4 6

6 7 9 8 1 2 3 5 0 4

9 3 8 0 6 7 5 4 1 2

2 9 7 1 0 4 8 6 3 5

5 4 3 6 7 8 1 9 2 0

7 8 5 9 2 0 4 3 6 1

4 5 6 2 8 9 0 1 7 3


0 1 2 3 4 5 6 7 8 9

1 2 0 4 5 8 9 3 6 7

6 4 7 9 2 1 5 8 3 0

7 5 9 1 3 2 0 6 4 8

3 9 8 7 6 4 1 0 5 2

9 0 5 8 7 3 4 1 2 6

4 7 3 5 9 6 8 2 0 1

5 6 1 0 8 9 2 4 7 3

8 3 6 2 1 0 7 5 9 4

2 8 4 6 0 7 3 9 1 5


0 1 2 3 4 5 6 7 8 9

1 2 3 0 5 7 8 9 6 4

7 8 4 1 6 3 9 0 2 5

2 5 6 9 1 0 7 8 4 3

8 9 0 4 7 2 3 5 1 6

4 0 9 6 3 8 2 1 5 7

3 6 7 8 0 1 5 4 9 2

9 3 1 5 2 4 0 6 7 8

6 4 5 7 8 9 1 2 3 0

5 7 8 2 9 6 4 3 0 1


Среди найденных 8 ДЛК с ОДЛК 2 пары 2-КФных однушек, т.е. 4 новые КФ ОДЛК. Затраты вычислительного времени — несколько секунд на выполнение канонизации (само преобразование выполняется мгновенно), что существенно быстрее, чем поиск КФ ОДЛК в проекте, где "стоимость" получения одной КФ составляет 8,3 ч.

Насколько часто такое будет происходить? Открытый вопрос, нужен эксперимент...

[SETI_home_v8]

Einstein@Home - открытие гамма-пульсаров в данных Fermi-LAT

СПОЙЛЕР »

Einstein@Home - открытие гамма-пульсаров в данных Fermi-LAT
Информация

Einstein@Home ищет данные с телескопа большой площади (LAT) на борту космического гамма-телескопа Ферми НАСА в поисках сигналов от гамма-пульсаров. Пульсары - очень компактные звезды с экстремальными физическими свойствами по сравнению с обычным веществом. Это быстро вращающиеся нейтронные звезды, излучающие импульсы, наблюдаемые в диапазоне от радио до гамма-излучения.

Поиск новых пульсаров представляет собой огромную вычислительную задачу, потому что их частота вращения, положение на небе и другие параметры заранее неизвестны и должны быть покрыты плотной сеткой точек поиска. Количество точек сетки, необходимых для покрытия таких многомерных пространств параметров, огромно и делает "подходы грубой силы" вычислительно невыполнимыми. Мы разработали новые и гораздо более эффективные методы анализа данных для добровольного распределенного суперкомпьютера Einstein@Home, который входит в число 25 самых быстрых компьютерных систем в мире.

Einstein @ Home позволил открыть новые гамма-пульсары, которые ранее были недоступны для вычислений. Эти открытия гамма-пульсаров вносят важный вклад в продвижение нашего (но очень плохого) понимания этих звездных объектов, их распространения и их роли в нашей Вселенной. Как всегда, мы чрезвычайно благодарны всем нашим волонтерам, особенно тем, чьи компьютеры способствовали этим новым открытиям.

Сказать "мы бы не справились без вас!" было бы ужасным преуменьшением!

Обзоры новых гамма-пульсаров Einstein@Home (FGRP1)

Поиски гамма-пульсаров в Einstein@Home начались в 2011 году с использованием данных Fermi-LAT за 3 года. До этого поиск в академических вычислительных кластерах выполнялся «в автономном режиме». Однако вычислительные затраты на эти поиски быстро растут со временем, и поэтому эти поиски быстро стали невозможными. Гораздо большая вычислительная мощность, предлагаемая Einstein@Home, позволила продолжить поисковые работы с использованием более длинных наборов данных, которые обеспечивают повышенную чувствительность и больший потенциал для открытий. Четыре новых пульсара были обнаружены в первом обзоре гамма-пульсаров Einstein @ Home Fermi (FGRP1).

https://einsteinathome.org/gammarayp...ies.html#FGRP1
Публикация
https://doi.org/10.1088/2041-8205/779/1/L11

FGRP4

В 2014 году мы начали четвертый обзор Einstein@Home для гамма-пульсаров, или «FGRP4». Этот поиск включает в себя много новых достижений, которые мы узнали в ходе наших предыдущих поисков и изучения методов слепого поиска. Кроме того, мы смогли использовать превосходные данные «Pass 8» от команды Fermi-LAT и искать в более длинных наборах данных, чем когда-либо прежде. В совокупности эти улучшения привели к тому, что FGRP4 стал нашим самым чувствительным исследованием на сегодняшний день. С публикацией в Science Advances открытия двух миллисекундных пульсаров (J1035-6720 и J1744-7619) мы опубликовали все открытия пульсаров, сделанные во время FGRP4. Это 23 новых пульсара, почти треть всех гамма-пульсаров, обнаруженных в результате слепых поисков того времени.

http://advances.sciencemag.org/content/4/2/eaao7228
https://einsteinathome.org/gammarayp...ies.html#FGRP4
https://doi.org/10.1088/2041-8205/809/1/L2
https://doi.org/10.3847/2041-8205/832/1/L15
https://doi.org/10.3847/1538-4357/834/2/106
https://doi.org/10.1126/sciadv.aao7228

FGRP5

После успеха FGRP4, мы начали пятую итерацию нашего обзора, на этот раз поиск пульсаров в неидентифицированных пульсароподобных источниках гамма-излучения, обнаруженных в центральной части Млечного Пути, с использованием данных за почти 9 лет. Позже FGRP5 был расширен для поиска пульсаров в источниках из последнего Четвертого каталога источников Fermi-LAT (4FGL) с использованием данных за 11,5 лет.

На сегодняшний день мы сделали 14 новых открытий пульсаров в FGRP5: 3 из начальной партии источников внутри Галактики и 11 из источников 4FGL; и независимо повторно обнаружил один пульсар, недавно открытый в радиообзоре.

FGRP5 все еще продолжается, поэтому мы надеемся на новые открытия в ближайшем будущем и готовим публикацию с полной информацией о недавно обнаруженных пульсарах.

https://einsteinathome.org/gammarayp...ies.html#FGRP5

FGRPB1

Помимо отдельных обзоров пульсаров (серия FGRPX), Einstein@Home также ищет двойные гамма-пульсары. Эти поиски на порядки труднее, чем отдельные обзоры пульсаров; Орбитальное движение пульсара модулирует его импульсный сигнал, и для этого требуются три дополнительных параметра, описывающих размер, период и фазу орбиты.
Оптические наблюдения за кандидатами в «черную вдову» и «красноспинных» двойников могут ограничить эти параметры, уменьшая пространство поиска до более управляемого (но все же огромного!) объема.

В FGRPB1 были обнаружены два двойных миллисекундных пульсара: чрезвычайно компактный пульсар «черная вдова», PSR J1653-0158, чья 75-минутная орбита является самой короткой из всех известных двойных пульсаров; и PSR J2039-5617, пульсар "красного цвета" с интересным долгосрочным изменчивым поведением.

https://einsteinathome.org/gammarayp...es.html#FGRPB1
https://doi.org/10.3847/2041-8213/abbc02
https://doi.org/10.1093/mnras/staa3484

Хронология открытий гамма-пульсаров в поисках данных Fermi-LAT.
Приведенный выше график, иллюстрирует количество гамма-пульсаров, обнаруженных при слепом поиске с помощью космического гамма-телескопа Ферми НАСА, как функцию времени (когда открытия были опубликованы). С момента запуска спутника Ферми в 2008 году он непрерывно сканирует все небо и, таким образом, предоставляет постоянно растущий набор данных.

В принципе, наличие большего количества доступных данных позволяет нам проводить более точные поиски пульсаров. Однако в то же время вычислительные затраты также быстро возрастают с увеличением временных интервалов данных. Таким образом, как показано на графике, за последние несколько лет почти все открытия были сделаны с помощью Einstein@Home благодаря огромной коллективной вычислительной мощности, предоставленной добровольцами Einstein@Home.

Открытия, сделанные волонтерами Einstein@Home, в деталях.
Ниже мы перечисляем для каждого пульсара добровольцев, чьи компьютеры открыли пульсар, и дату, когда был обнаружен пульсар. Мы также предоставляем список выбранных характеристик для каждого из пульсаров.

Прямое восхождение - одна из двух небесных координат, определяющих положение пульсара на небе.

Склонение - второе из них.

Частота вращения описывает, сколько раз в секунду вращается пульсар. Первая производная частоты описывает, насколько пульсар замедляется с течением времени. Энергия, необходимая для излучения электромагнитного излучения, берется из вращения пульсара.

Характерный возраст - это грубая оценка возраста пульсара, вычисляемая по частоте вращения и ее производной. Наконец, мощность при замедлении вращения - это мера полной энергии, излучаемой пульсаром.
Для сравнения, наше Солнце выдает примерно 4 x 1033 эрг в секунду. Большинство пульсаров, представленных ниже, имеют гораздо более высокую скорость вращения. Графика справа показывает профиль импульса каждого пульсара зеленым цветом, а время прихода всех гамма-квантов с фазовой диаграммой - справа. Эти графики требуют точного знания положения пульсара на небе, его частоты вращения и производной частоты вращения. Используя их, каждому фотону может быть присвоена фаза вращения, то есть, в каком направлении пульсар был направлен, когда был испущен гамма-фотон. Таким образом, мы можем восстановить гамма-излучение как функцию фазы вращения пульсара и разрешить профиль импульса.

Источник: https://einsteinathome.org/gammarayp...scoveries.html

Хотите принять участие в распределенных вычислениях, тогда, Вам сюда:
https://boinc.berkeley.edu/wiki/Simple_view
https://boinc.berkeley.edu/download_all.php
https://boinc.ru

[SETI_home_v8]

Что такое World Community Grid?

СПОЙЛЕР »

Что такое World Community Grid?

Мы являемся грантовой инициативой IBM Corporate Social Responsibility, которая объединяет исследователей с огромными вычислительными мощностями, предоставляемыми добровольцами со всего мира, для продвижения научных исследований по наиболее насущным проблемам нашей планеты. Любой, у кого есть компьютер, Raspberry Pi или устройство Android, может зарегистрироваться для участия. На сегодняшний день добровольцы вложили более двух миллиардов лет в вычислительные мощности для поддержки 31 исследовательского проекта, включая исследования недорогих систем фильтрации воды и новых материалов для эффективного улавливания солнечной энергии. Наши партнеры по исследованиям опубликовали более 50 рецензируемых научных работ в журналах, включая Science, Nature и PLOS. Эти краудсорсинговые вычислительные мощности часто позволяют им проводить исследования в беспрецедентном масштабе, применять новые исследовательские подходы и выполнять работу за годы, а не десятилетия.

Как работает World Community Grid?

Ученые из учреждений со всего мира приезжают к нам с исследовательскими проектами, которые требуют огромных вычислительных мощностей. Используя выбранный ими программный инструмент моделирования, мы интегрируем это программное обеспечение в нашу платформу и распространяем миллионы виртуальных исследовательских экспериментов среди тысяч добровольцев World Community Grid, которые выполняют эти вычисления на своих компьютерах и устройствах Android. World Community Grid проверяет, объединяет результаты этих вычислений и отправляет их исследователям. С помощью World Community Grid ученые могут не только получить доступ к огромным вычислительным мощностям, но и привлечь общественность к своим исследованиям.

Какие исследования климата и окружающей среды поддерживает World Community Grid на сегодняшний день?

С 2004 года World Community Grid поддерживает ряд исследований в области окружающей среды, в том числе:

Проект чистой энергии.

В рамках того, что считается крупнейшим из когда-либо проведенных экспериментов по квантовой химии, исследователи из Гарвардского университета проверили миллионы органических фотоэлектрических соединений, чтобы предсказать их потенциал преобразования солнечного света в электричество. Из них 36 000, по прогнозам, удвоят эффективность большинства солнечных элементов на углеродной основе, производимых в настоящее время.

Вычисления для чистой воды - исследователи из Университета Цинхуа в Пекине использовали World Community Grid для моделирования потока воды через углеродные нанотрубки с беспрецедентным уровнем детализации. При этом они обнаружили явление, указывающее на новую возможность фильтрации воды, которая однажды может улучшить доступ к чистой воде для почти миллиарда людей во всем мире, которые не имеют к ней доступа.

Вычисления для устойчивого водоснабжения - ученые из Университета Вирджинии изучили влияние политики управления на качество воды в Чесапикском заливе, чтобы получить более глубокое представление о том, какие действия могут привести к восстановлению, здоровью и устойчивости этого важного водного ресурса.

Раскрытие тайн генома - исследователи изучили 200 миллионов генов самых разных форм жизни, таких как микроорганизмы, обнаруженные в морских водорослях с берегов Австралии и в реке Амазонка. Цель их работы - расширить знания о биохимических процессах в целом, определить, как организмы взаимодействуют друг с другом и окружающей средой, и задокументировать текущее базовое микробное разнообразие, что позволит лучше понять, как микроорганизмы изменяются под воздействием экологических стрессов, таких как изменение климата.

Какие вычислительные мощности предоставляются за счет гранта?
Ученые, получившие эти награды, будут использовать World Community Grid, инициативу IBM по корпоративной социальной ответственности, которая предоставляет ученым огромные вычислительные мощности. Через World Community Grid расчеты вычислительных исследований распространяются среди тысяч добровольцев по всему миру, которые выполняют эти расчеты на своих компьютерах или устройствах Android. Кроме того, мы выполняем техническую работу по интеграции выбранного исследователями инструмента вычислительных исследований в платформу World Community Grid. Мы также обеспечиваем коммуникацию и информационную поддержку для вовлечения и просвещения общественности в этом исследовании.

Чем вычислительная мощность, предоставляемая World Community Grid, отличается от суперкомпьютера?

Как однажды сказал один из исследователей, который использовал World Community Grid в течение нескольких лет: «Оказывается, наличие сотен тысяч компьютеров в параллельном режиме ускоряет работу больше, чем наличие суперкомпьютера».

World Community Grid предоставляет ученым 24/7 доступ к вычислительной мощности, достаточной для того, чтобы соответствовать некоторым из самых мощных суперкомпьютеров в мире. Но в отличие от традиционного суперкомпьютера, World Community Grid распределяет вычислительную работу на тысячи компьютеров по всему миру, каждый из которых предоставляется добровольцем, который решает сделать свое устройство доступным для проведения научных расчетов. Для наших партнеров по исследованиям это означает, что им не нужно ждать в очереди за вычислительными ресурсами, как это бывает с большинством суперкомпьютеров в их собственных учреждениях. Вместо этого они получают доступ к огромным вычислительным мощностям, вовлекая общественность в свои исследования.

Какие погодные данные предоставляются получателям грантов?

Получатели гранта имеют доступ к данным о погоде от The Weather Company, подразделения IBM, для поддержки своих исследований. Данные могут включать глобальные прогнозы погоды, исторические наблюдения и текущие погодные условия. Доступ к данным будет обеспечиваться через веб-API, а проект работает в World Community Grid.

Какие возможности облачного хранилища предоставляются получателям грантов?

Получатели гранта имеют доступ к IBM Cloud Object Storage для всех потребностей в хранении данных, связанных с их проектом, поддерживаемым IBM, в то время как проект выполняется в World Community Grid. Также будет оказана техническая помощь для оценки их потребностей в хранении данных и определения подходящих решений для хранения.

Каковы были критерии успешных предложений?

Успешные предложения соответствовали следующим критериям:
Некоммерческий: проводится общественными или некоммерческими организациями. Решение проблемы изменения климата: углубленное понимание последствий изменения климата и / или стратегий адаптации или смягчения последствий изменения климата. Содействуйте открытой науке: все данные, полученные волонтерами World Community Grid, должны быть бесплатно доступны для научного сообщества. Доступны, ускорены или расширены за счет ресурсов, которые мы предлагаем: вычислительные исследования климата или окружающей среды, которые требуют значительных вычислительных мощностей компьютера и могут быть разделены на небольшие независимые вычисления, могут потребоваться данные о погоде и / или могут получить выгоду от больших объемов облачного хранилища.

Как оценивались заявки?

Команда ученых IBM и сторонних ученых, специализирующихся в области науки об окружающей среде и изменении климата, рассмотрела каждую заявку на предмет:

Научная заслуга

Возможность внести свой вклад в понимание мировым сообществом конкретных проблем, связанных с изменением климата и / или наукой об окружающей среде. Способность исследовательской группы управлять устойчивым исследовательским проектом. Подтвержденная потребность в ресурсах IBM

Какие обязательства берут на себя ученые взамен?

В обмен на эти ресурсы ученые соглашаются поддержать нашу политику открытых данных, публично публикуя данные исследований своего проекта World Community Grid, чтобы мировое научное сообщество могло извлечь выгоду из своих выводов и использовать их. Исследовательские группы также соглашаются привлекать добровольцев к своим исследованиям посредством регулярного общения через каналы связи World Community Grid.

Могут ли исследователи по-прежнему подавать заявки на эти ресурсы?
В настоящее время мы не принимаем приложения, которые включают данные от The Weather Company и хранилище из IBM Cloud, но любые исследователи, заинтересованные в использовании вычислительной мощности World Community Grid, могут подать заявку.

https://www.worldcommunitygrid.org/r...itAProposal.do

Как мне убедиться, что я начну вносить свой вклад в эти проекты, как только они будут запущены?

Если вы уже являетесь волонтером World Community Grid, перейдите на страницу «Мои проекты», где вы можете выбрать участие в новых проектах по мере их появления. Если вы еще не являетесь волонтером World Community Grid, вы можете подписаться, чтобы получать уведомления, как только будет запущен первый из этих трех проектов. Вы также можете присоединиться к World Community Grid прямо сейчас и поддержать наши существующие проекты.

https://www.worldcommunitygrid.org/ms/viewMyProjects.do
https://www.worldcommunitygrid.org/climateNews.action
https://www.worldcommunitygrid.org/discover.action
https://www.worldcommunitygrid.org/r...AllProjects.do

Хотите принять участие в распределенных вычислениях, тогда, Вам сюда:
https://boinc.berkeley.edu/wiki/Simple_view
https://boinc.berkeley.edu/download_all.php
https://boinc.ru

[SETI_home_v8]

У Shmya Cluster появился и ARM-сегмент! 🙂

Наверное, все помнят шутку про то, что "Наши микросхемы - самые большие микросхемы в мире!" (*) Прошло время и мы отступаем от традиции гигантизма и, с гордостью, можем сказать совсем по другому - "Наши кластеры - самые маленькие кластеры в мире!" 🙂 Встречайте "Соловья" - ARM-сегмент нашего Shmya Cluster!

В данный момент "Соловей" состоит из 2 узлов вида Raspberry Pi 4 Model B c 4-ядерным CPU Cortex-A72 @ 1.50 ГГц и 4 Gb RAM на борту.
А настоящим кластером это два миникомпьютера делает установленная на "Соловей" система управления очередью заданий SLURM и библиотека MPI, позволяющая писать параллельные программы, исполняющиеся сразу на всех ядрах всех свободных узлов нашего нового кластера! (По крайней мере - некоторые простые программки - работают!).

В качестве интерконнекта выступает WiFi. 🙂 Можно сделать и 1 GbE, но пока так интереснее.
Днём рождения кластера можно считать 3 июня 2021 г, когда на нём удалось впервые запустить SLURM и MPI-версию Hello World.
В данный момент оба узла выполняют расчёт молекулярного докинга в проекте SiDock@home, а стоящая рядом ещё одна "малинка" (только уже версии 3B+ и не входящая в этот кластер) - считает также SiDock@home и Universe@Home.

(*) На самом деле у шутки про микросхемы есть и "второе дно". По ГОСТ-у интегральные микросхемы, по степени интеграции делятся на:

малые интегральные схемы (МИС) — до 100 элементов в кристалле;
средние интегральные схемы (СИС) — до 1000 элементов в кристалле;
большие интегральные схемы (БИС) — до 10 тыс. элементов в кристалле;
сверхбольшие интегральные схемы (СБИС) — более 10 тыс. элементов в кристалле.
Так вот, было время, когда наши СБИС были самыми большими по степени интеграции! 🙂

[SETI_home_v8]

Добровольцы в помощниках

СПОЙЛЕР »

Добровольцы в помощниках
Ученые КарНЦ РАН (г. Петрозаводск) в рамках проекта гражданской науки, привлекая широкую аудиторию, проводят вычислительные эксперименты. При помощи высокопроизводительного виртуального скрининга осуществляется изучение библиотек молекулярных соединений и поиск лекарства от коронавируса. Это позволит получить большие объемы информации о новом научном знании в области медицинской химии и повысит осведомленность общественности о разнообразии современных исследований.

В различных отраслях науки для проведения исследовательских проектов и программ практикуется привлечение граждан-добровольцев. Это сбор, анализ, измерение, обработка и систематизация каких-либо научных данных. В условиях цифровизации за счет подключения к сети интернет помощь ученым может осуществляться большой командой участников со всего мира.

Так, поиск лекарств – довольно трудоемкий и ресурсозатратный процесс, поэтому в этом случае поддержка добровольцев – настоящее подспорье для научного сообщества. Гражданская инициатива по исследованию лекарства против коронавирусной инфекции оказывается особенно полезной в мониторинге определенных сведений, в частности, в виртуальном скрининге.

Специалисты КарНЦ РАН (г. Петрозаводск) для поиска химических соединений, обладающих нужным видом биологической активности для разработки новых лекарственных препаратов от COVID, подключают общественную аудиторию. Применяя программы для молекулярного докинга и виртуального скрининга, ученые задействовали компьютеры обычных пользователей, чтобы производить распределенные вычисления. Представленный опыт создания вычислительной инфраструктуры подтверждает рациональность затраченного времени и эффективность работы, а также способствует привлечению внимания граждан из разных стран к вопросам борьбы с тяжелыми заболеваниями.

Наталия Николаевна Никитина – кандидат технических наук, научный сотрудник лаборатории телекоммуникационных систем Института прикладных математических исследований КарНЦ РАН – рассказала о том, как, привлекая добровольных партнеров, проходит работа ученых с вычислительными ресурсами.

Чем вызвана потребность в исследовании библиотек молекулярных соединений при помощи расчетных методов? Как вычислительные методы помогают осуществлять разработку лекарств?

«Разработка лекарства представляет собой трудоемкую задачу поиска химического соединения, способного создавать устойчивый комплекс с белковой молекулой – «мишенью», отвечающей за развитие заболевания. Такое соединение должно не только обладать искомым терапевтическим действием, но и соответствовать всем критериям безопасности для человека. Задача эта решается в среднем 10-15 лет. Поэтому усилия многих научных групп направлены на то, чтобы повысить эффективность и ускорить разработку лекарства. Это возможно, в том числе, с помощью методов информатики и прикладной математики.

На протяжении многих лет основным способом проведения начального этапа разработки лекарства служил высокопроизводительный скрининг “in vitro” (с лат.  – «в стекле», то есть «в пробирке»). Это метод автоматического роботизированного поиска соединений с искомыми свойствами среди химических веществ в лабораторных условиях – эффективный, но весьма дорогостоящий и имеющий ряд ограничений.

Сегодня существуют и постоянно расширяются различные библиотеки компьютерных моделей молекулярных соединений и их фрагментов, а также программы моделирования биохимических процессов с высокой точностью, что позволяет проводить начальный этап разработки лекарства частично “in silico” (с лат. (искаж.) – «в кремнии», то есть «на компьютере»). Это позволяет значительно снизить стоимость исследований и снять множество ограничений, но в то же время ставит перед учеными новые задачи», – сообщила Наталия Никитина.
Учеными проводится процедура виртуального скрининга. В чем он заключается и как происходит выбор перспективных соединений, исследователь КарНЦ РАН пояснила:

«Виртуальный скрининг – это альтернатива высокопроизводительному скринингу, состоящая в компьютерном моделировании взаимодействия химических соединений с белком-мишенью и оцениванию вероятности образования устойчивых молекулярных комплексов. Виртуальный скрининг не ограничен существующими библиотеками синтезированных молекул и может также использоваться для поиска соединений, которые ранее не были синтезированы, или для оценки отдельных фрагментов молекул. Его результатом становится список соединений, потенциально имеющих высокую требуемую биохимическую активность. На следующих этапах разработки лекарства проводится отбор и оптимизация среди них. Для проведения виртуального скрининга требуются значительные вычислительные ресурсы и временные затраты, поэтому используется, как правило, не обычный настольный компьютер, а целая система высокопроизводительных вычислений».

Рисунок 1. Молекулярный докинг для белка-мишени коронавируса. Низкомолекулярное соединение стыкуется с белком в специальной области - сайте связывания.

Какую систему высокопроизводительных вычислений вы используете для проведения виртуального скрининга?

«Мы организовали и поддерживаем систему добровольных вычислений. Это распределенная система, к которой могут подключаться компьютеры со всего мира, подключенные к сети интернет. Если вычислительная мощность отдельного настольного компьютера невелика, а на ночь он вообще выключается, то сотни и тысячи таких компьютеров образуют целый «виртуальный» суперкомпьютер, слаженно работающий над общей задачей. По такому принципу работают многие научные проекты, а потенциальная суммарная мощность добровольных вычислений существенно превышает все суперкомпьютеры мира, вместе взятые», – сообщила молодой ученый.

Рисунок 2. Схематическое изображение виртуального скрининга: среди множества низкомолекулярных соединений выбираются наиболее хорошо стыкующиеся с белком-мишенью.

Проект добровольных вычислений SiDock@home (по поиску лекарства от ковида) функционирует с октября 2020 года и является междисциплинарным на стыке медицинской химии, биоинформатики и математики.

Ранее карельские ученые выполняли виртуальный скрининг малого масштаба для немецких ученых из Института экспериментальной дерматологии при университете Любек, которые исследуют редкое дерматологическое заболевание.

«Мы встретились с ними на научной конференции и объединили усилия по организации вычислений, а затем познакомились со словенскими учеными-биологами Чртомиром Подлипником из Университета Любляны и Марко Юкичем из Университета Марибора, которые занимаются современными технологиями разработки лекарств. Их усилия направлены на полный цикл разработки лекарства от социально значимых заболеваний, таких как коронавирус или вирус Эбола. Во время пандемии коронавируса SARS-CoV-2 потребовались большие вычислительные мощности, собрать которые позволило сообщество добровольных вычислений. Это, на самом деле, уникальная возможность получить в единоличное распоряжение целую высокопроизводительную вычислительную систему. В работе мы используем программу молекулярного докинга (моделирования стыковки химического соединения и белка-мишени) CmDock, разработанную словенскими коллегами. Это программа с открытым исходным кодом, разработанная на основе другой программы RxDock, ранее доказавшей свою эффективность в других проектах. CmDock активно развивается и совершенствуется», – отметила Наталия Никитина.

В проекте специалистов КарНЦ РАН принимает участие несколько тысяч пользователей из разных стран мира. Наиболее активные участники из России, Украины, Германии, Великобритании, США.

Как пришла идея привлечь к исследованиям простых пользователей, и что вам дает такая помощь от гражданской науки? Что дает это самому добровольцу?

«Помимо предоставления своих компьютеров, некоторые из них помогают адаптировать вычислительное приложение для различных компьютерных платформ и протестировать его. Сообщество добровольных вычислений сложилось задолго до нашего проекта, в нем существуют различные механизмы поощрения участников, составления рейтингов согласно личному вкладу каждого, оперативного привлечения дополнительных вычислительных мощностей. Сами добровольцы при этом получают информацию о проводимых исследованиях в научно-популярной форме, могут участвовать в их обсуждениях, расширяют свои знания о вычислительных технологиях и могут в реальном времени наблюдать за решением научной задачи. Более того, участники ряда крупных проектов (в ближайшем будущем и нашего) могут получать за свой вклад денежное вознаграждение в форме криптовалюты Gridcoin.

Мы, в частности, рады, что наш проект позволил привлечь интерес новых участников, которые раньше не знали о добровольных вычислениях: так, к нам присоединились несколько научных организаций, чтобы предоставлять компьютерные мощности», – объяснила Наталия Никитина.

Эта клиент-серверная система COVID.SI проста в обращении? Как на практике работает схема добровольных вычислений?

«Наш проект SiDock@home основан на клиент-серверной системе BOINC, которая вот уже более 20 лет широко используется для организации добровольных вычислений. Схема подключения достаточно простая: нужно скачать и установить на свой компьютер программу BOINC, в ней выбрать проект или несколько проектов, к которым вы хотите присоединиться. После этого компьютер начнет автоматически получать задания и выполнять их в фоновом режиме, не мешая основной деятельности, – исследователь КарНЦ РАН раскрывает суть добровольной помощи и призывает к участию. – Присоединяйтесь к поиску лекарств!».
Какие новые математические модели вам позволяет разрабатывать этот проект?

«Чем мощнее и сложнее суперкомпьютер (даже «виртуальный»), тем труднее им эффективно управлять. Мне и моим коллегам интересны новые знания о процессах распределенных вычислений, принципы эффективной организации вычислительного процесса, законы функционирования сообщества добровольцев. Мы разрабатываем математические модели управления заданиями, оптимального дублирования заданий, схем достижения консенсуса между результатами, полученными от разных участников. Математика помогает эффективнее исследовать химическое пространство и достигать результатов, на которые в обычной лаборатории потребовались бы десятки лет. Переход к математическим абстракциям позволяет смоделировать несуществующие ранее ситуации: например, что будет, если компьютеры начнут соревноваться между собой за скорейшее нахождение химических соединений-кандидатов в лекарства?

Оказывается, что подобное соревнование в разы увеличивает эффективность поиска химических соединений. А «подсказать» компьютерам соревноваться можно программно. С тем же успехом математические методы могут помочь ускорить сверку результатов, сделать подделку результатов нецелесообразной и т.д.», – пояснила молодой ученый.

Каких результатов вы ожидаете от этого проекта? Чем подтверждается на данном этапе исследования эффективность решения вычислительно-ресурсоемких задач при помощи добровольцев?

«Добровольные вычисления используются многими научными организациями и позволяют получить значимые научные результаты. Так, в начале 2020 года в проекте добровольных вычислений Rosetta@home была оперативно получена молекулярная структура шиповидного белка коронавируса SARS-CoV-2, играющего ключевую роль в патогенезе. Сообщество добровольцев позволило на несколько недель опередить научный коллектив, который получил такую модель в лаборатории под криоэлектронным микроскопом. На счету добровольных вычислений еще целый ряд научных открытий.

На данном этапе наша команда, конечно, с нетерпением ждет проверки текущих результатов в реальной лаборатории. Мы выявили ряд перспективных химических соединений, которые необходимо протестировать. Привлеченных нами ресурсов добровольцев достаточно, чтобы оперативно провести виртуальный скрининг миллиарда химических соединений (таков объем библиотеки, с которой мы работаем) за считанные недели. Мы продолжаем вычисления и надеемся существенно продвинуться в поиске лекарства от коронавируса. Даже несмотря на то, что лекарство еще не разработано, промежуточные результаты помогают расширить знания о жизненном цикле вируса, а наши наработки послужат для разработки лекарств и от других заболеваний», – нацелена Наталия Никитина.

Итак, важность поддержки гражданской науки в глобальных научных исследованиях как формата сотрудничества с учеными доказана содействием развитию инноваций и распространению передовых идей.
Хотите принять участие в распределенных вычислениях, тогда, Вам сюда:
https://boinc.berkeley.edu/wiki/Simple_view
https://boinc.berkeley.edu/download_all.php
https://boinc.ru
https://scientificrussia.ru/articles...-pomoshchnikah

[SETI_home_v8]

Повышение эффективности исследований в области изменения климата

СПОЙЛЕР »

Повышение эффективности исследований в области изменения климата

Поскольку наша планета сталкивается с растущими последствиями изменения климата, ученые находятся на переднем крае понимания сложных последствий и разработки решений. Общие узкие места, с которыми сталкиваются ученые, включают ограниченный доступ к данным о погоде, а также недостаточную вычислительную мощность и емкость хранения данных для точного моделирования воздействия изменения климата. Чтобы развить многолетнюю приверженность IBM делу охраны окружающей среды, корпорация IBM Corporate Social Responsibility помогает преодолеть эти препятствия, жертвуя технологии и данные трем основополагающим исследовательским проектам в области изменения климата.

Новаторские исследовательские проекты

Эти ресурсы IBM - краудсорсинговые вычислительные мощности через World Community Grid, данные о погоде от The Weather Company и IBM Cloud Object Storage - будут поддерживать новаторские новые исследовательские проекты, выбранные из более чем 70 приложений с учетом их потенциала и внесения значительного вклада в наше понимание на воздействие изменения климата и потенциальных решений.

Africa Rainfall Project (Делфтский технологический университет, Нидерланды)

В Африке сельское хозяйство в значительной степени зависит от локальных осадков, которые трудно предсказать. В сотрудничестве с Трансафриканской гидрометеорологической обсерваторией исследователи будут моделировать осадки на континенте с беспрецедентным уровнем детализации. Это предоставит информацию, которая может помочь фермерам быть более устойчивыми, среди других приложений, связанных с погодой и гидрологией. Этот проект был запущен в октябре 2019 года, и вы можете щелкнуть здесь, чтобы пожертвовать свои вычислительные мощности.

https://www.worldcommunitygrid.org/j...dd=arp1#signup

Влияние изменения климата на общественное здоровье (Университет Эмори, США)

В рамках этого проекта, запуск которого ожидается в 2021 году, будет изучено влияние изменения климата на температуру и загрязнение воздуха на местном уровне, что поможет исследователям понять влияние изменения климата на здоровье человека. Влияние атмосферных аэрозолей на изменение климата (Дальневосточный федеральный университет, Россия)

По данным Межправительственной группы экспертов ООН по изменению климата (МГЭИК), атмосферные аэрозоли, такие как пыль, дым и загрязнение, поглощают и отражают солнечный свет в атмосфере и представляют собой самую большую область неопределенности в климатологии сегодня.

Этот проект направлен на определение того, как сверхмикронные частицы (от 6 до 12 микрометров в диаметре) взаимодействуют с солнечным светом и как они влияют на атмосферные температуры - информация, которая повысит точность климатических моделей. После того как их заявка была принята, главный исследователь проекта переехал в новый университет в другой стране.

Дальневосточный федеральный университет в настоящее время не планирует продвигать проект.

В обмен на эту поддержку ученые-победители соглашаются публично публиковать данные, полученные в результате сотрудничества с IBM, что позволяет мировому сообществу извлекать выгоду из их результатов и опираться на них.

Надежность от IBM Resources

Каждый из этих проектов-победителей будет использовать один или несколько из следующих ресурсов:

Краудсорсинговые вычислительные мощности

Ученые получают круглосуточный доступ к вычислительной мощности через World Community Grid, инициативу IBM по корпоративной социальной ответственности, которая позволяет любому, у кого есть компьютер, Raspberry Pi или устройство Android, поддерживать научные исследования, проводя виртуальные исследовательские эксперименты на своих устройствах.

Благодаря вкладу индивидуальных и организационных волонтеров со всего мира, эта инициатива позволила сделать ряд революционных открытий в исследованиях окружающей среды, помогая ученым открывать новые материалы для эффективной солнечной энергии, изучать влияние политики управления на большие водосборные бассейны и находить более эффективные способы фильтровать воду.

"Сеть мирового сообщества позволила нам найти новые возможности для солнечных батарей на шкале времени, которая имеет значение для человечества - в других словами, через несколько лет вместо десятилетий ". Д-р Алан Аспуру-Гузик Профессор химии и химической биологии Гарвардский университет.

Данные о погоде

Исторические данные, и данные о погоде в реальном времени от The Weather Company, подразделения IBM, могут помочь ученым углубить наше понимание экологических систем и поддержать разработку решений для их предотвращения, смягчения последствий и адаптации к изменению климата.

Облачное хранилище

Для ученых, которые работают над экологическими исследованиями с очень большими наборами данных, IBM Cloud Object Storage предоставляет масштабируемую платформу для хранения и анализа результатов виртуальных экспериментов в World Community Grid и проведения дальнейших исследований.

Хотите принять участие в распределенных вычислениях, тогда, Вам сюда:
https://boinc.berkeley.edu/wiki/Simple_view
https://boinc.berkeley.edu/download_all.php
https://boinc.ru

[SETI_home_v8]

Проект распределённых вычислений в сфере фундаментальной физики LHC@Home 1

СПОЙЛЕР »

Проект распределённых вычислений в сфере фундаментальной физики LHC@Home 1

Большой адронный коллайдер и Европейский центр по ядерным исследованиям.

В СССР в 1980-е годы был создан проект Ускорительно-накопительного комплекса (УНК) — сверхпроводящего протон-протонного коллайдера в Институте физики высоких энергий (ИФВЭ) в Протвино. Он превосходил бы по большинству параметров LEP и Тэватрон (США) и должен был позволить разгонять пучки элементарных частиц с энергией 3 тераэлектронвольта (ТэВ). Его основное кольцо длиной 21 километр был построено под землёй в 1994 году, однако из-за нехватки средств проект в 1998 году был заморожен, построенный в Протвино тоннель — законсервирован (были достроены только элементы разгонного комплекса), а главный инженер проекта Геннадий Дуров уехал на работу в США.

В 1989 году в Швейцарии под эгидой Европейского центра по ядерным исследованиям (CERN) был введён в эксплуатацию Большой электрон-позитронный коллайдер (LEP). Для него на глубине 50-175 метров в долине Женевского озера был построен кольцевой тоннель длинной 26,7 километра.

Вместо строительства собственных коллайдеров физики разных стран решили объединиться в рамках международного проекта, идея создания которого зародилась ещё в 1980-х годах. После окончания экспериментов на швейцарском LEP его оборудование было демонтировано, и на его месте начато строительство Большого адронного коллайдера (БАК, Large Hadron Collider, LHC) — самого мощного в мире кольцевого ускорителя заряженных частиц на встречных пучках, на котором будут сталкиваться пучки протонов с энергиями столкновения до 14 ТэВ и ионы свинца с энергиями столкновения до 1150 ТэВ.

В 1995 году стоимость создания БАК оценивалась в 2,6 миллиарда швейцарских франков без учёта стоимости проведения экспериментов. Планировалось, что эксперименты должны будут начаться через 10 лет — в 2005 году. В 2001 году бюджет CERN был сокращён, а к стоимости строительства было добавлено 480 миллионов франков (общая стоимость проекта к тому времени составляла около 3 миллиардов франков), и это привело к тому, что пуск коллайдера был отложен до 2007 года.
10 сентября 2008 года в БАК был запущен первый пучок протонов.

Планировалось, что через несколько месяцев на коллайдере будут осуществлены первые столкновения, однако 19 сентября из-за дефектного соединения двух сверхпроводящих магнитов на БАК произошла авария: магниты были выведены из строя, в тоннель вылилось более 6 тонн жидкого гелия, в трубах ускорителя был нарушен вакуум.

Коллайдер пришлось закрыть на ремонт. Несмотря на аварию 21 сентября 2008 года состоялась торжественная церемония введения БАК в строй. Первоначально опыты собирались возобновить уже в декабре 2008 года, однако затем дата повторного запуска была перенесена на сентябрь, а после — на середину ноября 2009 года, при этом первые столкновения планировалось провести лишь в 2010 году. Первые после аварии тестовые запуски пучков ионов свинца и протонов по части кольца БАК были произведены 23 октября 2009 года. 23 ноября в детекторе ATLAS были произведены первые столкновения пучков, а 31 марта 2010 года коллайдер заработал на полную мощность: в тот день было зарегистрировано столкновение пучков протонов на рекордной энергии в 7 ТэВ. В апреле 2012 года была зафиксирована ещё большая энергия столкновений протонов — 8 ТэВ.

В 2009 году стоимость БАК оценивалась от 3,2 до 6,4 миллиарда евро, что делало его самым дорогим научным экспериментом в истории человечества.

Над созданием Большого адронного коллайдера работали более 700 российских физиков. Россия финансировала сооружение как детекторов, всех четырёх, так и самого ускорителя. Доля примерно, если говорить о детекторах, это в среднем около 5%. Если говорить об ускорителе, то порядка 3%. Это деньги, которые Минобрнауки, Агентство по науке и инновациям выделяло специально на эти цели, в наши институты, и институты на эти деньги закупали всё необходимое. Каждый институт, участвующий в проекте, брал на себя определенный участок работы — разработку или создание определенных узлов и приборов.

Цели эксперимента

Основной целью строительства БАК было уточнение или опровержение Стандартной модели — теоретической конструкции в физике, описывающей элементарные частицы и три из четырёх фундаментальных взаимодействия: сильное, слабое и электромагнитное, за исключением гравитационного. Формирование Стандартной модели было завершено в 1960-1970-х годах, и все сделанные с тех пор открытия, по мнению учёных, описывались естественными расширениями этой теории. При этом Стандартная модель объясняла, каким образом взаимодействуют элементарные частицы, но не отвечала на вопрос, почему именно так, а не иначе.

• Одной из главных задач БАК называли экспериментальное доказательство существования бозона Хиггса. Согласно Стандартной модели, бозон Хиггса фактически создаёт всю массу во Вселенной. Существование этой частицы было предсказано ещё в 1960 году британским физиком Питером Хиггсом (Peter Higgs), однако до сооружения БАК её не удавалось обнаружить экспериментально. При столкновении двух заряженных частиц на БАК они аннигилируются и выделяется энергия достаточная для "рождения" искомой частицы — бозона Хиггса.
• При помощи БАК физики, возможно, смогут ответить на вопрос, почему видимая материя составляет всего около 4 процентов Вселенной, в то время как остальная часть — это тёмная материя и "тёмная энергия", которые участвуют только в гравитационном взаимодействии.
• При помощи БАК физики надеются лучше понять, что представляла из себя Вселенная в первые мгновения после Большого Взрыва.
• Учёные также рассчитывают ответить на другой важный вопрос, стоящий перед Стандартной моделью: почему в существующей Вселенной так мало антиматерии, хотя, теоретически, после Большого Взрыва антиматерии и материи должно было образоваться поровну?
• Возможно, БАК поможет доказать или опровергнуть теорию о том, что кроме привычных нам четырёх измерений (пространства и времени) существуют и другие измерения, которые постулируются в "теории струн", описывающей явления, которые выходят за рамки Стандартной модели и её более простых расширений.

Учёные отмечали, что если бы на БАК не удалось добиться открытия бозона Хиггса (в прессе его иногда называли "частицей бога") — это поставило бы под вопрос всю Стандартную модель, что потребовало бы полного пересмотра существующих представлений об элементарных частицах.

Научные результаты

Первые данные экспериментов на БАК были опубликованы в декабре 2009 года. 13 декабря 2011 года специалисты CERN заявили, что в результате исследований на БАК им удалось сузить границы вероятной массы бозона Хиггса до 115,5-127 ГэВ и обнаружить признаки существования искомой частицы с массой около 126 ГэВ. В том же месяце было впервые объявлено об открытии в ходе экспериментов на БАК новой частицы, не являвшейся бозоном Хиггса и получившей название χb (3P).

4 июля 2012 года руководство CERN официально заявило об обнаружении с вероятностью 99,99995 процента новой частицы в области масс около 126 ГэВ, которая, по предположениям учёных, скореё всего и была бозоном Хиггса. Этот результат руководитель одной из двух научных коллабораций, работавших на БАК, Джо Инкандела (Joe Incandela) назвал "одним из величайших наблюдений в этой области науки за последние 30-40 лет", а сам Питер Хиггс объявил обнаружение частицы "концом целой эры в физике".

Технические особенности

БАК располагается в тоннеле, построенном для LEP. Большая его часть лежит под территорией Франции. Тоннель содержит две трубы, которые почти на всей своей протяжённости идут параллельно и пересекаются в местах расположения детекторов, в которых будут осуществляться столкновения адронов — частиц, состоящих из кварков (для столкновений используются ионы свинца и протоны).

Разгоняться протоны начинают не в самом БАК, а во вспомогательных ускорителях. Пучки протонов "стартуют" в линейном ускорителе LINAC2, затем в ускорителе PS, после чего они попадают в кольцо супер протонного синхротрона (SPS) длинной 6,9 километра и уже после этого оказываются в одной из труб БАК, где ещё в течение 20 минут им будет придана энергия до 7 ТэВ. Эксперименты с ионами свинца будут начинаться в линейном ускорителе LINAC3. Пучки удерживаются на траектории 1600 сверхпроводящими магнитами, многие из которых весят до 27 тонн. Эти магниты охлаждаются жидким гелием до сверхнизкой температуры: 1,9 градуса выше абсолютного нуля, холоднеё открытого космоса.

На скорости в 99,9999991 процента скорости света, совершая более 11 тысяч кругов по кольцу коллайдера в секунду, протоны сталкиваются в одном из четырех детекторов — наиболее сложных систем БАК.

На БАК работают 4 основных и 3 вспомогательных детектора:

• ALICE (A Large Ion Collider Experiment)
• ATLAS (A Toroidal LHC ApparatuS)
• CMS (Compact Muon Solenoid)
• LHCb (The Large Hadron Collider beauty experiment)
• TOTEM (TOTal Elastic and diffractive cross section Measurement)
• LHCf (The Large Hadron Collider forward)
• MoEDAL (Monopole and Exotics Detector At the LHC).

Каждый из детекторов вместе с проводимыми на нем экспериментами получил собственное наименование. Среди 4 главных детекторов два имеют многоцелевой характер — ATLAS и CMS, два других предназначены для специальных экспериментов — ALICE и LHCb.

Детектор ATLAS предназначен для поиска новых неизвестных частиц, которые могут подсказать ученым пути поиска "новой физики", отличной от Стандартной модели. Детектор CMS предназначен для получения бозона Хиггса и исследования темной материи.

Детектор ALICE предназначен для исследований материи после Большого Взрыва и поиска кварк-глюонной плазмы.

Детектор LHCb исследует причину превалирования материи над антиматерией и исследует физику b-кварков.

Планируется ввести в строй ещё три детектора: TOTEM, LHCf и MoEDAL.
Как и сам БАК, его детекторы представляют собой весьма массивные сооружения. Так, наименьший из 4 главных детекторов, LHCb, имеет размеры 21 м в длину, 13 м в ширину, 10 м в высоту и массу 5 600 т. Его более крупные аналоги ATLAS, CMS, ALICE весят 7 000, 12 500 и 10 000 т соответственно. Наибольший по величине детектор, ATLAS, занимает пространство, равное примерно половине собора Парижской Богоматери (46 м в длину, 26 м в ширину и высоту). Каждый из детекторов также отличает комплексная, многоуровневая структура: они состоят из ряда систем и подсистем (субдетекторы и др.), собранных из множества других компонентов, и т.д.

Для обработки результатов экспериментов на БАК используется выделенная распределённая компьютерная сеть GRID, способная передавать до 10 гигабит информации в секунду в 11 вычислительных центров по всему миру. Каждый год с детекторов считывается более 15 петабайт (15 тысяч терабайт) информации: суммарный поток данных четырёх экспериментов может достигать 700 мегабайт в секунду.

Отмечалось, что проект масштаба БАК не под силу создать одной стране. Он создавался усилиями не только 20 государств-участников CERN: в его разработке принимали участие более 10 тысяч учёных из более чем ста стран земного шара. С 2009 года проектом БАК руководит генеральный директор CERN Рольф-Дитер Хойер (Rolf-Dieter Heuer). В создании БАК принимает участие и Россия как член-наблюдатель CERN: в 2008 году на Большом адронном коллайдере работало около 700 российских учёных.

Хотите принять участие в распределенных вычислениях, тогда, Вам сюда:
https://boinc.berkeley.edu/wiki/Simple_view
https://boinc.berkeley.edu/download_all.php
https://boinc.ru

[SETI_home_v8]

Моделирование Вселенной на мобильном телефоне

СПОЙЛЕР »

Моделирование Вселенной на мобильном телефоне

Обзор

В наблюдаемой Вселенной около двух триллионов галактик, и эволюция каждой из них чувствительна к присутствию всех остальных. Можем ли мы поместить все это в компьютер или даже мобильный телефон, чтобы смоделировать эволюцию Вселенной? В недавней статье мы представили идеально параллельный алгоритм для космологического моделирования, которое решает этот вопрос.

Современная космология полагается на очень большие наборы данных для определения содержания нашей Вселенной, в частности, количество темной материи и темной энергии. Эти большие наборы данных включают координаты и электромагнитные спектры очень далеких галактик, до 20 миллиардов световых лет от нас. В следующем десятилетии миссия Евклида и Обсерватория Веры Рубина, в частности, получит информацию о нескольких миллиардах галактик.

Физические проблемы

Установление связи между нашими знаниями физики, например, уравнениями, которые управляют эволюцией темной материи и темной энергией, и астрономические наблюдения требуют значительных вычислительных ресурсов.

Действительно, самые последние наблюдения охватывают огромные объемы: порядка куба со стороной 12 миллиардов световых лет. Поскольку типичное расстояние между двумя галактиками составляет всего несколько миллионов световых лет, мы должны смоделировать около триллиона галактик, чтобы воспроизвести наблюдения
Кроме того, чтобы проследить физику образования этих галактик, пространственное разрешение должно быть порядка десяти световых лет. Поэтому, в идеале моделирование должно иметь коэффициент масштабирования (то есть соотношение между наибольшим и наименьшим физическим длины проблемы) близко к миллиарду. Ни один существующий или даже строящийся компьютер не может достичь такой цели.

Поэтому на практике необходимо использовать приближенные приемы, заключающиеся в «заселении» крупномасштабных структур Вселенной с жуткими (но реалистичными) галактиками. Это приближение дополнительно подтверждается тем фактом, что эволюция галактик компоненты, например звезды и межзвездный газ, связаны с очень быстрыми явлениями по сравнению с глобальной эволюцией космоса.
Использование `` ярких и сложных галактик '' по-прежнему требует моделирования динамики Вселенной с масштабным соотношением около 4000, что вполне возможно с современными суперкомпьютерами.

Проблема вычислительных пределов

Моделирование гравитационной динамики Вселенной - это то, что физики называют N-тело проблема. Хотя уравнения должны быть решаемыми являются аналитическими, поскольку в большинстве случаев в физике решения не имеют простых выражений и требуют численных методов.

Прямое численное решение состоит в явном вычислении взаимодействий между всеми парами тел, также называемые «частицами». Вычисление сил прямым суммированием было предпочтительным методом в космологии в начале развития численного моделирования, в 1970-е годы. В настоящее время он в основном используется для моделирования звездных скоплений и центров галактик. Количество частиц, используемых в моделировании «прямого суммирования», представлено зелеными точками на рис. 1, где ось - N имеет логарифмический масштаб.

Рисунок 1: Эволюция количества частиц, используемых в N- моделировании тела в зависимости от года публикации. Разные символы и цвета соответствуют различным методам, используемым для вычисления гравитационной динамики (прямое суммирование зеленым цветом, продвинутые алгоритмы оранжевым цветом). Для сравнения, закон Мура о производительности компьютера представлен черной пунктирной линией.

Числовая стоимость метода прямого суммирования увеличивается как, количество рассматриваемых пар частиц. По этой причине, несмотря на улучшения, предоставляемые аппаратными ускорителями, такими как графические процессоры (GPU), количество частиц, используемых с этим методом, не может расти так быстро, как в знаменитом «Законе Мура», который предсказывает удвоение производительность компьютерного оборудования каждые 18 месяцев. Закон Мура проверялся около четырех десятилетий (1965-2005 гг.), Но как традиционные аппаратные архитектуры достигли своего физического предела, производительность отдельных вычислительных ядер достигла плато около 2015 г. (см. рис. 2). Следовательно, космологическое моделирование не может просто полагаться на то, что процессоры становятся быстрее, чтобы сократить время вычислений.

Рисунок 2: Однопоточная производительность ЦП как функция времени. Различные товарные знаки и модели представлены разными цветами и символами, как указано в подписи. Этот график основан на скорректированных результатах SPECfp®.

Чтобы снизить стоимость моделирования, большая часть работы в области численной космологии с 1980 г. заключалась в улучшении алгоритмов. Цель состояла в том, чтобы обойти явный расчет всех гравитационных взаимодействий между частицами, особенно для пары, которые являются наиболее удаленными в моделируемом объеме. Эти алгоритмические разработки позволили значительно увеличить в количестве частиц, используемых в космологическом моделировании (см. оранжевые треугольники на рисунке 1). Фактически, с 1990 г. вычислительные мощности в космологии увеличивались быстрее, чем закон Мура, а усовершенствования программного обеспечения добавляли увеличение производительности компьютера (подробнее в этом сообщении в блоге).

В 2020 году с архитектурой современных суперкомпьютеров вычисления больше не ограничиваются количеством операций, которые процессоры могут обработать в заданное время, но из-за присущих им задержек при обмене данными между различными процессорами участвуют в так называемых «параллельных» расчетах. В этих вычислительных методах большое количество процессоров работают вместе, синхронно для выполнения вычислений, слишком сложных для выполнения на обычном компьютере.
https://florent-leclercq.eu/blog.php?page=2

Застой производительности из-за задержек связи теоретизировались в «законе Амдала» (см. рис. 3), названном в честь ученого, который сформулировал ее в 1967 году. Теперь это главная проблема космологического моделирования: без повышения «степени параллелизма »наших алгоритмов, мы скоро выйдем на технологическое плато.

Рисунок 3: Закон Амдала: теоретическое ускорение выполнения программы в зависимости, от количества процессоров выполняющего его, для разных значений параллельной части программы (разные строки). Ускорение ограничено программой. Например, если 90% программы можно распараллелить, теоретический максимальный коэффициент ускорения с использованием большого количества процессоров будет 10.

Подход sCOLA: разделяй и властвуй

Вернемся к решаемой физической проблеме: речь идет о моделировании гравитационной динамики Вселенной на разные масштабы. В «малых» масштабах есть много объектов, которые взаимодействуют друг с другом: требуется численное моделирование. Но в «больших» пространственных масштабах, то есть если мы посмотрим на рисунок 4 очень издалека, в ходе эволюции происходит немногое (за исключением линейного увеличение амплитуды неоднородностей). Несмотря на это, при использовании традиционных алгоритмов моделирования гравитационный эффект всех частиц друг на друга должны быть рассчитаны, даже если они очень далеко друг от друга. Это дорого и практически бесполезно, так как большая часть гравитационной эволюции правильно описывается простыми уравнениями, которые можно решить практически без компьютера.

Рисунок 4: Сравнение между традиционным моделированием (левая панель) и симуляцией с использованием нашего нового алгоритма (правая панель). Согласно нашему подходу, объем моделирования представляет собой мозаику из «плиток», вычисляемых независимо, чьи края представлены пунктирными линиями. Чтобы свести к минимуму ненужные численные вычисления, можно использовать гибридный алгоритм моделирования.

Основная идея, называемая пространственным сопутствующим лагранжевым ускорением (sCOLA), заключается, в физике: это «смена системы координат». В этом контексте крупномасштабной динамики учитывается новая система отсчета, в то время как мелкомасштабная динамика решается численно на компьютере с использованием обычных расчетов гравитации.

К сожалению, самая первая версия алгоритма sCOLA дает результаты, которые слишком приблизительны, чтобы быть годными к употреблению. В нашей последней публикации мы изменили sCOLA, чтобы повысить ее точность.

Кроме того, мы осознали, что эта концепция позволяет «разделять и властвовать». Действительно, учитывая большой объем моделированния, sCOLA позволяет моделировать под томы меньшего размера независимо, без связи с соседними под томами. Таким образом, наш подход позволяет представить Вселенную в виде большой мозаики: каждый из «Плитки» на рис. 4 - это небольшая симуляция, которую может решить скромный компьютер, и сборка всех плиток дает общую картину.

Это то, что в информатике называется «идеально параллельным» алгоритмом, в отличие от всех алгоритмов космологического моделирования до сих пор существовавших. Благодаря ему мы смогли получить космологическое моделирование с удовлетворительным разрешением, оставаясь при этом на относительно скромной вычислительной базе (рис. 5).

Наш идеально параллельный алгоритм sCOLA был реализован в общедоступном коде Simbelmynë, куда он включен в версии 0.4.0 и новее.
Рис. 5. Компьютер на базе графического процессора в Парижском институте астрофизики. Его стоимость составляет лишь сотую часть стоимости суперкомпьютера на мобильных вычислительных мощностях.

Новое оборудование для моделирования Вселенной

Этот новый алгоритм не ограничивается использованием в небольших вычислительных мощностях, но позволяет предусмотреть новые способы использования вычислительного оборудования. В идеале каждая из «плиток» может быть достаточно маленькой, чтобы помещаться в «кэш-память» наших компьютеров, то есть часть памяти, к которой процессоры могут получить доступ за наименьшее время. В результате скорость связи увеличивается, что позволит нам очень быстро смоделировать весь объем Вселенной или даже с разрешением, которого до сих пор не было достигнуто.

Идя дальше, мы можем даже представить, что каждая из имитаций, соответствующих «плитке», будет достаточно маленькой, чтобы ее можно было использовать на современном мобильном телефоне!
Этот метод распараллеливания будет основан на такой платформе, как Cosmology@Home, который посвящен распределенным совместным вычислениям. Эта платформа основана на усилиях, инициированных SETI@Home для поиска внеземного разума.

Хотите принять участие в распределенных вычислениях, тогда, Вам сюда:
https://boinc.berkeley.edu/wiki/Simple_view
https://boinc.berkeley.edu/download_all.php
https://boinc.ru
https://www.euclid-ec.org/
https://www.lsst.org/
http://spec.org/
https://arxiv.org/abs/1502.07751
http://simbelmyne.florent-leclercq.eu/
https://www.cosmologyathome.org/
https://setiathome.berkeley.edu/

[SETI_home_v8]

Вышло новое обновление BOINC для Android

Поддержка Android
Android version 4.1 and later for ARM, AArch64, MIPS, MIPS64, x86, and x86_64
Amazon Fire tablets: install from the Amazon Appstore.
Available on F-Droid, a repository of open-source apps.
Or download and install the APK below. If you have problems, see instructions here
https://boinc.berkeley.edu/download_all.php