Nå kan datamaskiner tenke kjappere sammen
Databeregninger som før tok ett år, kan forskere nå utføre på ti dager.
Vi er vant med stadig raskere datamaskiner. Men selv i våre dager kan kompliserte databeregninger ta svært lang tid.
Dette gjelder for eksempel beregninger av kjemiske reaksjoner, hvordan proteiner antar ulike tredimensjonale former og såkalte faseoverganger der et kjemisk stoff går over fra en tilstand til en annen, for eksempel fra fast til flytende form.
Resultatene er ofte viktige, for eksempel for den kjemiske industrien.
- Les også: Datakraft løser molekylært mysterium
Fra ett år ned til ti dager
Slike kompliserte beregninger kan ta årevis, men tilgangen på de kraftigste datamaskinene er begrenset. Tenk så fint det ville vært om noen kunne gjøre beregningene raskere? Kanskje mye raskere? Med dagens utstyr?
Forskerne kan nå utføre databeregninger som før ville vært upraktiske, kanskje i praksis umulige, å gjennomføre.
– Vi økte hastigheten på beregninger av kjemiske reaksjoner med 30-40 ganger, sier Titus van Erp, professor ved Institutt for kjemi ved NTNU. Om tilstrekkelig med dataressurser er tilgjengelig, kan hastigheten økes enda mer.
Van Erp ledet forskergruppen som presterte dette. Og hva betyr det i praksis?
– En beregning som før tok ett år, kan vi nå gjøre på ti dager, bruker professoren som et eksempel.
Det gjaldt en beregning av hvordan vannmolekyler splittes i hydrogen og oksygen.
Dette betyr også at forskerne nå kan utføre databeregninger som før ville vært upraktiske, kanskje i praksis umulige, å gjennomføre. Ikke så rart at resultatene er publisert som en vitenskapelig artikkel i selveste PNAS.
Sander Roet (på Teams), Titus van Erp, Anders Lervik, Daniel Zhang og Lukas Baldauf fikk databeregningene til å gå 30-40 ganger raskere. Foto: Per Henning, NTNU
Koblet datamaskiner smartere
Så hvordan har de fått til dette?
– Vi koblet sammen 20 datamaskiner som kunne jobbe sammen for å utføre beregningene, sier professor Van Erp.
Nå er det jo ikke noe nytt i å koble sammen datamaskiner heller, men måten forskerne gjorde dette på er helt annerledes enn det andre har gjort.
– Vi endret algoritmene som ligger bak. På den måten optimaliserte vi datautvekslingen mellom maskinene, sier professor Van Erp.
Én maskin i et nettverk har vært nødt til å vente på beregninger som en annen maskin i nettverket skal utføre. Men med vår metode slipper de dette.
De fikk svært mye mindre forsinkelse under beregningene ved at maskinene kunne jobbe aktivt mye mer av tiden.
- Les også: Store oppdagelser om små partikler
Datamaskinene trenger ikke vente
– Før har sammenkoblede datamaskiner vært nødt til å vente mye på hverandre. Én maskin i et nettverk har vært nødt til å vente på beregninger som en annen maskin i nettverket skal utføre. Men med vår metode slipper de dette, sier professor Van Erp.
Dette er spesielt viktig i en tid der dagens datateknologi begynner å nærme seg en grense. Økningen i hastighet går ikke lenger like raskt som for noen år siden, og resultater som dette er derfor både viktige, nødvendige og oppløftende.
Forskergruppen besto ellers av førsteforfatterne Daniel T. Zhang og Lukas Baldauf, og Anders Lervik fra Institutt for kjemi ved NTNU, i tillegg til Sander Roet fra Universiteit Utrecht, som var doktorgradsstudent ved NTNU da de utførte forsøkene.
Referanse: Daniel T. Zhang, Lukas Baldauf, Sander Roet, Anders Lervik and Titus S. van Erp. Highly parallelizable path sampling with minimal rejections using asynchronous replica exchange and infinite swaps. PNAS. February 5, 2024. https://doi.org/10.1073/pnas.2318731121
