于是，科學家嘗試通過機器模擬分子化合物與靶點的相互作用等計算方式篩選出可能有效的化合物做小通量實驗。其中一種傳統(tǒng)虛擬篩選方式是通過小分子和靶點對接，對不同配體的結(jié)合效果打分或者通過分子動力學進一步計算，篩選出得分高且結(jié)合模式合理的配體作為候選藥物進行實驗驗證，加速藥物研究進程。

由于分子庫巨大，哪怕用計算機實現(xiàn)虛擬篩選，需要在有限時間完成，也極大挑戰(zhàn)了計算機性能。假設某化合物庫有10，000個候選配體，以每個化合物在單核CPU平均處理時間1．5個小時計算，總共需要15，000 個小時（625天）才能完成此化合物庫的分子篩選。而高性能計算集群的應用，為現(xiàn)代藥物研發(fā)提供了必不可少的支撐。如果在高性能集群上，用625個CPU并行計算，一天則可完成上述任務。如果用高性能GPU訓練好的人工智能模型進行預測篩選，在單個GPU上四分鐘則可以完成上述任務。

云超算的藥物研發(fā)場景驗證

高性能計算又稱超算，是一種用超級計算機或大規(guī)模的計算集群來解決需要大量計算能力（如并行計算、AI模型運算）需求的方法，在石油勘探、氣象預報、藥物研發(fā)中廣泛應用。一般而言，為在規(guī)定時間內(nèi)完成藥物研發(fā)的分子篩選，研究者需要擁有強大計算能力的計算平臺、大容量存儲和大量配套的高性能應用軟件，如Amber， NAMD等。

在高性能計算出現(xiàn)后的許多年中，由于虛擬化造成的性能損耗，云計算并不被從事高性能計算開發(fā)的專家看好。在單個節(jié)點實驗中，物理機性能一定比虛擬機高，使用配置最好最快的物理機器幾乎成為高性能計算領域的“潛規(guī)則“。

2017年，阿里云在云棲大會上發(fā)布神龍服務器。這款由阿里云自主開發(fā)的云服務器，主要通過自研芯片和MOC卡來實現(xiàn)虛擬化功能，并將存儲網(wǎng)絡的管控放上來，使得CPU本身不再浪費，100％地為計算者提供服務。

盡管理論上還是會耗掉資源，但神龍服務器的優(yōu)勢顯而易見。容器在神龍服務器上運行的性能，比傳統(tǒng)物理機上高20－30％。因為在傳統(tǒng)物理機上高密度部署容器時，由于存儲網(wǎng)絡虛擬化的資源核心和業(yè)務所占的CPU的資源，之間會互相爭搶，隨著整體負載率提升，它的業(yè)務的延時會迅速惡化，最后導致業(yè)務不可用。而在神龍上面，因為？每一個容器之間的數(shù)據(jù)鏈路都是用芯片的硬件隊列進行隔離的，不會互相影響，即便負載接近90％，延時的變化依然不大。

消除了虛擬化損耗的神龍讓云超算得以實現(xiàn)，阿里云超級算計集群以神龍服務器作為算力底座，通過RoCE高速網(wǎng)絡連接，加上并行存儲文件系統(tǒng)CPFS，對外提供了完整高性能計算所需要的硬件基礎設施。軟件調(diào)度層面則提供了E－HPC（Elastic High Performance Computing）能夠讓用戶自助在云上搭建自己的高性能集群系統(tǒng)，配置高性能服務器和大容量存儲，提供軟件多節(jié)點運行和高通量任務處理解決方案，直接滿足藥物研發(fā)人員對計算平臺的需求。

新冠疫情期間，GHDDI在阿里云之上搭建了開放共享平臺，使用E－HPC搭建高性能計算集群，用于藥物研發(fā)的分子對接、分子動力學模擬、深度學習模型訓練，同時為合作伙伴創(chuàng)建不同的云超算子賬戶，實現(xiàn)計算資源共享和數(shù)據(jù)共享。

阿里云資深專家何萬青博士告訴動脈網(wǎng)，GHDDI的共享平臺幫助科學家更便捷地將即時的想法轉(zhuǎn)化為具有指導意義的創(chuàng)新探索，極大地提高了新冠肺炎相關藥物、疫苗的開發(fā)效率。未來，阿里云超算將基于彈性的高性能計算能力，為更多的藥物研發(fā)工作提供必要的算力支撐。