能效——不僅僅是車輛設計或電網構建中的關注點；作為一道微觀計算題，它在每個細胞裡也扮演著同樣重要的角色。
無論是依靠光還是葡萄糖作為能量轉換的來源，每個細胞都在馬不停蹄地工作，以產生足夠的能量，讓自己在所處的環境下生存。在這個過程中，能量轉換的效率越高，細胞產出的能量就越高。
伊利諾伊大學香檳分校（University of Illinois at Urbana-Champaign）和亞利桑那州立大學（Arizona State University）的研究人員正在模擬光合生物，以瞭解光合生物如何捕獲能量，以及如何提高能量產出。
在農業領域，這樣的優化意味著會收穫更高的穀物產量；在醫療領域，這可能意味著改善精密醫學中抗體和肽的遞送，甚至延長細胞的生命週期；在能源領域，這還可以用來提高生物燃料的效率。
Abhishek Singharoy 是亞利桑那州立大學分子科學學院的助理教授。他表示， “所有植物都渴望能夠在任何條件下生存，從根本上提高能量轉化效率可使它們在多種環境下存活。作為科學家和生物工程師，我們可以培育出更高產的植株，從而為人類提供更多能量。”
Singharoy 和他的合作伙伴在通過 NVIDIA GPU 加速的超級計算機上（包括來自橡樹嶺國家實驗室的Summit，它擁有世界上最快的系統），運行分子動力學模擬。他的團隊在 GTC Digital 2020 上介紹了他們的成果，GTC Digital 2020 涵蓋了 150 多場主題演講。
什麼是光合作用效率？
綠色植物可以通過光合作用將光能轉化為自身所需能量，然而在很多植物中，僅有不到 10% 的光能被轉化為可用養分。為了究其原因，研究人員使用了通過 GPU 加速的仿真技術，來模擬紫細菌光合作用的機制。
在 Summit 超級計算機上，原子級的仿真技術可以實現在 500 納秒（即 0.5 微秒）內，對 1.36 億個原子及其運動軌跡進行建模。
比起 Summit 的上一代 Titan 計算機，研究團隊發現其運行時間大大縮短了 6 倍。他們平均使用系統上的 922 個節點來進行模擬，每個節點都包含 6 個 NVIDIA V100 Tensor Core GPU。
伊利諾伊大學的高級研究程序員 Jim Phillips 談到，“對於獲得真實的模型來說，將分辨率提高到原子級別是十分必要的。想要快速運行這般規模的動態模型，就需要把 GPU 並行化。”
然而，如果要捕獲光合作用中的光能轉化過程，研究人員就需要進行長達幾十毫秒的模擬。他們並沒有單獨模擬每個原子，而是利用近似值，將細胞簡化至剛性域，使這些細胞經過 30 毫秒完成標記。
接著，研究團隊拓展了預判，以確定細胞在不同陽光條件下繁殖所需要的時間。團隊發現在弱光條件下，該細菌繁殖能力最強，這使其適應了泥水中的生存環境。
Singharoy 說道， “我們知道泥水中經常滋生細菌，但我們想進一步知道它們為什麼會生存在這樣的環境裡。可能出於其生物構造，它們無法在陽光充沛的條件下產生更多能量，就索性生長在陽光不足的地方了。”
紫細菌只是作為入手的工具，因為它結構簡單的特點，可以幫助我們獲取在其他具有蛋白質結構的生物體上能用到的數據。隨著更復雜的光合生物（諸如菠菜等）數據集的發佈，研究人員將會模擬更復雜的光合生物，來提高更多植物的能量轉換效率。
此外，研究人員還期望利用現有的仿真技術來訓練神經網絡，使其能夠基於機器學習，而非分子動力學，來對細胞行為做出預判。
閱讀更多 英偉達NVIDIA中國 的文章
