欢迎访问中国电子企业协会!

会员注册 | 会员登录
【最新动态】

您现在所在的位置是:首页 >   > 正文

深度 | 用深度学习对抗癌症:从分子层面研究到大规模人口建模

2016-08-24 10:19

选自hpcwire

机器之心编译

Rick Stevens 表示,首个先进癌症计算解决方案的联合设计(Joint Design of Advanced Computing Solutions for Cancer,JDACS4C)「成果」将于 2017 年第二季度的某个时间公开。JDACS4C 一共有三个试点项目,Rick 领导了其中之一,将深度学习(DL)应用到癌症治疗中去。这些项目不仅可以推进癌症研究和治疗,而且可以提高深度学习的能力和基础架构,最终着眼于百亿亿次计算机的研究,DOE 将对这些项目提供部分的资金支持。

无论以哪种标准,美国对抗癌症(U.S. War on Cancer)和 Precision Medicine Initiative(精准医学计划,PMI)都颇具野心。过去,对抗癌症一直没有很明显的进步,但也不是说没有取得很多成绩。

只是现在看来前景更为光明。生物医学的进步和下一代领先计算机的兴起(百亿亿次计算机的开发)推动着癌症治疗的发展。深度学习和数据驱动科学的快速发展,使许多人对前景报以乐观的态度,所以 2016 全球超级计算机大会重点关注精准医疗和 HPC 的作用就是偶然了。

三个 JDACS4C 试点项目,包括从分子层面到人口规模方面的诸多研究,以支持 CANcer 分布式学习环境项目(CANcer Distributed Learning Environment project):这些工作旨在洞察可扩展机器学习工具;通过深度学习、模拟和分析技术,减少治疗时间;为未来计算方案提供信息。也希望能建立「有效利用日益增长的数据和与癌症相关数据的多样性来打造预测性模型,为接下来的癌症研究提供一个新的范式,更好地理解疾病并最终提供指导,支持基于个体预期治疗结果的决策,Rick 说。

这些都是远大的目标。因此想要总结出 JDACS4C 的准确谱系,确实有点麻烦,广义上来看,它属于 PMI,美国国家癌症研究所的癌症登月计划,也集中在 美国国家战略计算计划(NSCI)之下。Stevens 指出,早在几年前就开始讨论创建这个大项目框架了,8 月拿到了第一笔资金。以下是三个试点项目的简介:

显而易见的是,这么复杂的工作需要很多组织的配合。国家癌症研究所的部门包括生物医学信息和信息技术中心(CBIIT),癌症治疗诊断部(DCTD),癌症控制和人口科学部(DCCPS)和弗雷德里克国家癌症研究实验室(Frederick National Laboratory for Cancer Research)。也有四个美国能源部国家实验室被正式分派从事这个项目,这四个实验室分别是阿贡国家实验室(Argonne National Laboratory)、橡树岭国家实验室(Oak Ridge National Laboratory)、劳伦斯利弗莫尔国家实验室(Lawrence Livermore National Laboratory)和洛斯阿拉莫斯国家实验室(Los Alamos National Laboratory)。

当所有的试验项目放在一起时,Stevens 指出,我们意识到每个项目都需要深度学习,而且需要它的各种不同用途。因此,我们的想法是,既要构建软件环境和网络拓扑,也要建造这三个项目所需的所有东西,所以我们不会复制。研究人员也定义了关键标准——与我们用来解决不同癌症子问题资源相匹配的、易于处理的深度学习问题。

  

早期的第一步是吸引供应商参与,这充分地证明了 Stevens 所说的话,因为几乎所有的主要 HPC 供应商都在积极地加速深度学习路线图。大多数人认为 JDACS4C 试点项目是学习和完善的机会。Stevens 说,JDASC4C 已经与英特尔、Cray、NVIDIA、IBM 等公司达成了合作关系。

「所有的实验室都配备了 DGX-1,并且 NVIDIA 已经为不同 GPU、Pascal 等优化了大多数的通用框架。我们在 DGX-1 上运行的任何东西都可以很容易地实现分布式。英特尔有自己的长远计划,并且并不是所有的这些计划都是公开的。我可以表明的是,我们正在与英特尔的所有适合的部门合作。」Stevens 说,他是 ANL 研究员和临床前筛选项目的领导者。

事实上,英特尔一直很忙,忙于购买 Nervana(一个用于深度学习的完整平台),最近又推出了扩展计划。Stevens 说:「他们谈论到为机器学习而优化的 Knights X 系列的版本。Knights Mil 是他们的线路图的第一个版本,」这个芯片巨头还在 SC16 上推出了深度学习推理加速卡;它是用于神经网络加速的基于现场可编程门阵列(field-programmable gate array (FPGA))的软硬件解决方案。Stevens 认为英特尔像 NVIDIA 一样,正在制定一个应用战略。

他说:「英特尔非常想尝试确定一种战略,以区分训练和推理平台之间的某些级别。大多数深度学习系统现在在『quasi』上做推理,它比用于训练的平台更小。英特尔希望确保『未来的 IA 架构擅长推理』」。

p>