2010年NVIDIA GTC大会现场报道

量子化学可视化

化学是原子共享电子的结果，电子以云的方式环绕原子。可视化电子云的代价很高，在CPU上需要数十到数百秒——即是非交互式的。GPU可以在第一时间以动画方式动态交互式构建电子云，这是利用CPU计算难以企及的。以计算碳60分子轨道为例。用GPU计算的方法是：构建3D分子轨道点阵→在多GPU上分别计算每层点阵→一个GPU上分布一个2D的CUDA网格→每个GPU线程计算其中一个点。

图8：利用GPU可以在可视化计算中取得极高的效率

基于传统CPU架构方式的可视化在很多情况下需要以天为单位来进行，而基于GPU架构的可视化工具则可以实现实时计算，这是由GPU强大的并行计算能力决定的（图8）。

蛋白质折叠

由于结构决定功能，因此仅仅知道基因组序列并不能充分了解蛋白质的功能，更无法知道它的工作原理。蛋白质可凭借相互作用在细胞环境下重组，这种重组的过程被称为蛋白质折叠。著名的Folding@home测试程序就是一个研究蛋白质折叠和误折及由此引起的相关疾病的分布式计算项目。

尽管蛋白质能在短时间中从一级结构折叠至立体结构，但我们却无法及时从氨基酸序列计算出蛋白质结构，甚至无法得到准确的三维结构。这是研究蛋白质折叠的过程的大难点，已经成为生物物理学的重要研究课题，亦是分子生物学中心法尚未解决的一个重大生物学问题。

而一旦蛋白质结构由正常状态转变为错误状态就可能导致疾病的发生。由于蛋白质所涉及生理过程的广泛性，错折叠就成为了引发疾病的一种普遍因素。蛋白质错折叠可能导致阿尔茨海默氏症、帕金森症、亨廷顿症、疯牛病、Ⅱ型糖尿病等疾病（ 图9 ） 。

图9：蛋白质错折叠会引起很多疾病

一些蛋白质折叠的模拟之所以会失败是因为原子间的力使用了错误的模型。蛋白质折叠要求使用更准确的模型去应用于代价更大的计算，这非常适合GPU并行计算的特性，例如原子极化增强计算就适合用GPU去运行。

GPU的未来

在2009年GTC大会成功的基础上，2010年GTC大会圆满举行。在本次GTC大会上，世界顶级的计算机专家聚集在一起探讨与GPU计算和应用相关的话题，并分享彼此的经验。在生物科学领域里的专家Klaus Schulten博士也做了精彩的主题演讲，讲述了他是如何利用GPU来进行生物科学的研究和计算的。此外，各个行业的专家和精英也汇聚一堂，一起探讨如何利用GPU计算来改善他们的工作。总体而言，本次GTC大会向大家展示了GPU出色的计算性能，让大家看到了GPU在通用计算方面的表现和应用，本次GTC大会再次为我们勾勒出GPU除图形处理外的另一个发展方向—适合进行并行处理的通用计算。相对于CPU，GPU在内存结构上有自己的DRAM，并且主机和设备都可以对Global Memory进行读写，从而实现主机和设备之间的数据传递。另外，GPU还有大量的寄存器和带有Cache结构的共享、常量和纹理存储器，这些均能提高GPU的并行计算性能。而且在价格方面，GPU相对于CPU拥有更高的性价比，GPU服务器的价格比CPU Cluster更有优势。这些都是GPU更适合进行并行计算的重要原因。

更多有关本次GTC大会的介绍和图片请浏览《专业、严谨 MC记者探秘NVIDIA美国总部》栏目。