新冠病毒疫情爆發後，許多國際研究團隊都展開了潛在藥物的開發工作，而這顯然離不開大量的計算與建模工作。
比如免疫療法初創企業 ImmunityBio，正在與微軟的 Azure 雲計算部門展開合作。
藉助 24 PetaFlops 的 GPU 算力，其得以相當細緻地對 COVID-19 的關鍵蛋白結構展開建模，以研究新冠病毒是如何進入人體細胞的。
上圖綠色部分為刺突蛋白的受體結合結構區域，紅色部分為 ACE-2 受體，兩者之間的結合，是導致新冠病毒感染的第一步。（圖自：ImmunityBio）
在 Auzre 雲平臺強大算力的幫助下，新合作意味著他們能夠在幾天之內（而不是單打獨鬥要耗費的數月時間），完成刺突蛋白的建模工作。
省下來的時間，意味著該模型可以更快地投入研究潛在疫苗和治療方法的科學家和研究人員手中，以儘快找到抑制病毒複製和防止其附著在人類 ACE-2 蛋白受體上的方法。
最簡單的一個設想，便是確保刺突蛋白無法與受體瞄準連線。在新冠病毒自愈患者身上，其天然抗體已經能夠做到這一點。
目前正在研發的疫苗，專注的也是同一件事。此外，許多治療方法都在尋求降低病毒感染新細胞、將其鎖住以阻斷體內複製的可能性。
據悉，微軟與 ImmunityBio 的合作，涉及 1250 套英偉達 V100 Tensor Core GPU 元件的陣列。
軟體巨頭將這些 GPU 用於 Azure 叢集中的機器學習應用，結合 ImmunityBio 現有的 320 套 GPU 叢集，可專門對分子建模工作進行調整。
合作取得的成果，將提供給研究 COVID-19 緩解和預防療法的研究人員，以推動更快、更有效的解決方案的到來。
新冠病毒疫情爆發後，許多國際研究團隊都展開了潛在藥物的開發工作，而這顯然離不開大量的計算與建模工作。
比如免疫療法初創企業 ImmunityBio，正在與微軟的 Azure 雲計算部門展開合作。
藉助 24 PetaFlops 的 GPU 算力，其得以相當細緻地對 COVID-19 的關鍵蛋白結構展開建模，以研究新冠病毒是如何進入人體細胞的。
上圖綠色部分為刺突蛋白的受體結合結構區域，紅色部分為 ACE-2 受體，兩者之間的結合，是導致新冠病毒感染的第一步。（圖自：ImmunityBio）
在 Auzre 雲平臺強大算力的幫助下，新合作意味著他們能夠在幾天之內（而不是單打獨鬥要耗費的數月時間），完成刺突蛋白的建模工作。
省下來的時間，意味著該模型可以更快地投入研究潛在疫苗和治療方法的科學家和研究人員手中，以儘快找到抑制病毒複製和防止其附著在人類 ACE-2 蛋白受體上的方法。
最簡單的一個設想，便是確保刺突蛋白無法與受體瞄準連線。在新冠病毒自愈患者身上，其天然抗體已經能夠做到這一點。
目前正在研發的疫苗，專注的也是同一件事。此外，許多治療方法都在尋求降低病毒感染新細胞、將其鎖住以阻斷體內複製的可能性。
據悉，微軟與 ImmunityBio 的合作，涉及 1250 套英偉達 V100 Tensor Core GPU 元件的陣列。
軟體巨頭將這些 GPU 用於 Azure 叢集中的機器學習應用，結合 ImmunityBio 現有的 320 套 GPU 叢集，可專門對分子建模工作進行調整。
合作取得的成果，將提供給研究 COVID-19 緩解和預防療法的研究人員，以推動更快、更有效的解決方案的到來。