關於支援科學新聞
如果您喜歡這篇文章，請考慮透過以下方式支援我們屢獲殊榮的新聞事業 訂閱。透過購買訂閱，您正在幫助確保有關塑造我們當今世界的發現和想法的具有影響力的故事的未來。
對使生命成為可能的過程的研究絕非輕鬆的追求，但這並不妨礙研究人員利用最先進的影片遊戲技術來輔助他們的工作。伊利諾伊大學厄巴納-香檳分校 (U.I.U.C.) 的一個物理學家團隊組裝了一臺超級計算機，該計算機由數百個超快速圖形處理單元 (GPU) 組成——通常用於渲染高度複雜的影片遊戲圖形——他們認為這將幫助他們構建一個模擬，以描繪 色素體 蛋白如何將光能轉化為化學能，這一過程稱為光合作用。
“地球上生命所需的能量有百分之九十五是由光合作用過程驅動的，” Klaus Schulten 說道，他是一位 (U.I.U.C.) 物理學教授，領導著模擬構建工作，並且是該校 理論與計算生物物理學小組 的主任。為了更好地理解這些過程是如何運作的，Schulten 的團隊正在組裝一個基於計算機的虛擬光合色素體。
光合色素體是在細菌膜上形成的液體泡，這些細菌利用陽光、二氧化碳和水來產生呼吸和其他功能所需的能量。這些細菌使用色素體來儲存光合作用所需的蛋白質。Schulten 說，這是所有型別光合作用系統中最簡單的。
無論是否簡單，一個光合色素體都由1 億個原子組成。“我們知道色素體的每一個原子，但只有當我們知道原子是如何排列的，我們才能充分理解這些系統以及它們是如何工作的，”Schulten 說。“一直以來缺乏的是執行足夠快的模擬以模仿現實生活的能力。”
Schulten 預計他的團隊還需要一兩年才能完成他們的虛擬色素體。如果不是研究人員能夠在“林肯”上進行數字運算，這個預測將會延長几年，“林肯”是伊利諾伊大學國家超級計算應用中心 (NCSA) 的一臺超級計算機，由 384 個 NVIDIA Corp. GPU 並行執行（這意味著他們分擔工作負載），與林肯的 1,536 箇中央處理單元 (CPU) 協同工作。
當 CPU 和 GPU 在計算機上協同工作處理資訊時，它被認為是“協同處理”配置。也就是說，當 Schulten 和他的團隊在林肯上執行他們的軟體時，CPU 和 GPU 會分擔工作，儘管 GPU 承擔了更大的負載。
CPU 和 GPU 並非一直都能如此良好地協同工作。GPU 在 1990 年代成為加速計算機圖形的熱門工具，但這些處理器只能理解使用圖形程式語言（如 OpenGL 和 Cg）編寫的程式，而 CPU 則使用更通用的語言（如 C）。這種情況在 2006 年發生了變化，當時 NVIDIA 推出了其計算統一裝置架構 (CUDA)，這是一種允許 C 程式在公司 GPU 上執行的介面。由於 CUDA 的成功，NVIDIA 今天推出了一種速度更快的 GPU 版本，它可以與更多的軟體程式一起工作，包括用 C++ 編寫的程式。
唯一的另一家主要 GPU 製造商，超微半導體 (AMD) 上週推出了它所謂的“有史以來最強大的處理器”，每個 GPU 的計算能力高達 2.72 萬億次浮點運算。（萬億次浮點運算等於每秒 1 萬億次計算。）NVIDIA 尚未公佈其新 GPU 的規格，但一位發言人表示，上一代 GPU 的效能略低於每 GPU 1 萬億次浮點運算。NVIDIA 和 AMD 取得的進步對科學意義重大。Schulten 說，可程式設計 GPU 的出現不僅可以用於圖形處理，還可以幫助研究人員“將他們的模擬加速 10 倍”。
然而，Schulten 對處理速度的看法是務實的。“如果所有事情都需要很長時間，你只有一次機會測試你的工作，”他說。“這使得從試錯中學習變得非常困難。”