В.Н. Якимец, И.И. Курочкин Институт проблем передачи информации РАН

iakim@isa.ru, kurochkin@iitp.ru

Аннотация

В докладе изложены результаты первого в России выполненного в 2014 году социологического исследования сообщества кранчеров страны, вовлеченных в добровольные распределенные вычисления. Описана организация опроса и приведены сведения о возможностях, предпочтениях и пожеланиях кранчеров.

Ключевые слова: добровольные распределенные вычисления,

кранчеры, социологический опрос.

В рамках распределенных вычислений, представляющих собой способ решения трудоемких вычислительных задач с использованием компьютеров, объединенных в вычислительную систему, особый интерес представляют добровольные вычисления (volunteer computing). Это распределенные вычисления с использованием добровольно предоставленных вычислительных ресурсов. Известно, что современные вычислительные системы для добровольных вычислений строятся на базе грид-систем. Если не вдаваться в

математические, технологические и информационные аспекты таких вычислений, а обратиться к термину «добровольные», то, если угодно, мы сталкиваемся с малоизученной стороной российского гражданского общества.

Сообщество специалистов и различных заинтересованных сторон, вовлеченных в развитие и применение технологий распределенных информационновычислительных сред, а также в выполнение добровольных вычислений – это особый и своеобразный фрагмент гражданского общества.

Приведем примеры добровольных вычислений из разных областей знания. Так, в рамках естественных наук – это моделирование работы адиабатического квантового сверхпроводящего компьютера (AQUA@home), или проект в области астрономии, целью которого является определение формы и параметров вращения астероидов по данным фотометрических наблюдений (Asteroids@home), или проект по моделированию влияния выбросов углекислого газа на климат Земли (Climate Prediction); решение вычислительно сложных аэрокосмических задач (оптимизация траекторий спутников и зондов, моделирование экзосферы Луны (Constellation); моделирование поведения заряженных частиц в магнитном поле термоядерного реактора ITER.

Сборник научных статей XVIII Объединенной конференции «Интернет и

современное общество» IMS-2015, Санкт-Петербург, 23-25 июня 2015 г.

© Университет ИТМО

Раздел 3. Информационно-коммуникационные системы и области их применения 345

(EDGeS@Home); проект по обработке сигналов радиотелескопа для поиска радиосигналов внеземных цивилизаций (SETI@Home).

В области биологии и медицины можно назвать проект университета Вандербильдта, основными целями которого являются выяснение структуры мембранных белков (мишени для лекарств), проектирование белков с новой структурой и функциями, понимание количественных отношений между химической структурой и биологической активностью (синтез лекарств).

(Biochemical Library), проект, целью которого является исследование корреляций между последовательностями в трехмерной структуре генома (Correlizer); российский проект, связанный с вычислением структуры белка, скринингом баз данных биологически активных соединений (DrugDiscovery@Home); проект по поиску лекарства от рака (до апреля 2007 года реализовывался grid.org), а затем был передан в сеть World Community Grid.

Участников процесса добровольных распределенных вычислений называют

кранчерами (crunchers).

Нас заинтересовал социологический срез российского сообщества кранчеров. Детального социологического исследования российских кранчеров найти не удалось.

В тоже время качественная реализация исследований и разработок в данной сфере определяется и тем, сколь эффективно работают коллективы ученых и специалистов (как правило, междисциплинарные), и тем, как участвуют в создании, внедрении и поддержке технологий распределенных информационновычислительных сред иные заинтересованные стороны и лица, представляющие интернет-сообщество, составляющее на сегодняшний день своеобразный срез гражданского общества.

В мире было выполнено два социологических опроса [1]:

- анкетирование, которое проводили создатели платформы BOINC

(Калифорнийский университет) в 2006 году (более 30 тыс. респондентов, включая около 500 человек из России и Украины),

- опрос 2013 года, организованный IBM среди участников проекта World

Community Grid (WCG), в котором было задействовано более 15 тыс. респондентов, в том числе около 300 русскоязычных.

В 2014 году на базе Центра распределенных вычислений Института проблем

передачи информации РАН мы организовали и провели первое социологическое

исследование мотиваций и предпочтений участников добровольных

распределенных вычислений (далее ДРВ) в России [2, c.8; 3].

Рассмотрим некоторые результаты исследования.

Для опроса предпочтений российских кранчеров нами была разработана

специальная анкета.

В ней содержалось 26 вопросов, разбитых по следующим разделам:

- опыт добровольных распределенных вычислений;

- проекты и интересы;

- национальные проекты;

- общие данные о кранчере;

- предпочтения и пожелания кранчеров в отношении проектов ДРВ;

- идентификация (по желанию).

Информационное общество: образование, наука, культура и технологии будущего

Каждый из 15 вопросов анкеты был полузакрытым, чтобы помимо предложенных вариантов ответа у респондента была возможность вписать свой вариант. Опрос с использованием этой анкеты проводился в середине 2014 года.

Информационное обеспечение и привлечение волонтеров-кранчеров к участию в анкетировании было обеспечено администраторами сайта BOINC.RU. Им удалось задействовать практически все существующие русскоязычные интернет-ресурсы, посвященные ДРВ, и реализовать следующие действия:

- распространить объявление на сайте и озвучить тему и цель

исследования на форуме BOINC.RU;

- сделать почтовую рассылку среди почти 800 зарегистрированных

участников форума;

- разместить информацию в тематических форумах на сайтах:

astronomy.ru, overclockers.ru, distributed.ru, distributed.org.ua, в группе

социальной сети «ВКонтакте»;

- осуществить почтовую рассылку по списку адресов участников известных

российских команд Russia Team и Crystal Dream (более 3000 адресов).

Этими действиями была обеспечена высокая репрезентативность результатов опроса.

В России активно участвуют в ДРВ около 4000 российских кранчеров, всего на анкету ответили почти 650 человек, что составляет более 16 %. В большинстве своем это мужчины (97%) в возрасте от 23 до 50 лет (87%) (рис.1) с высшим (80%) образованием (преимущественно (55%) техническим) (рис.2).

Для сравнения отметим, что в опросе WCG участвовало 90% мужчин, а 68% респондентов были в возрасте от 25 до 54 лет.

Рис. 1. Возраст респондентов (полных лет)

Рис. 2. Распределение респондентов по уровню образования

Раздел 3. Информационно-коммуникационные системы и области их применения 347

Подавляющее большинство респондентов (96%) – это кранчеры -

непосредственные участники ДРВ, к основателям ДРВ-команд отнесли себя 3 %

опрошенных.

На рисунке 3 приведено распределение кранчеров по стажу занятий ДРВ.

Половина из них занимается ДРВ более 3 лет, в том числе 17 % имеют стаж

более 7 лет.

Рис. 3. Распределение респондентов по стажу занятий кранчерством

Интересно, что отвечая на вопрос о том, что их привлекает участвовать в ДРВ (разрешалось выбрать не один вариант ответа), почти 93% респондентов отметили свое стремление помочь научным исследованиям, 51% - свою причастность к научным открытиям, а 27% - просто «спортивный» интерес. Выявлено, что мощности, которыми располагают кранчеры для ДРВ, распределились следующим образом:

- 1 или 2 компьютера стандартной конфигурации – 76%;

- 1 вычислительный сервер или много компьютеров – 17%;

- много серверов или компьютеров – 7%.

Интересны данные относительно той тематики проектов ДРВ, в которой участвуют кранчеры (рис.4). Здесь доминируют две области знаний: астрономия (57%) и биология/медицина (57%). Немалое количество респондентов (44%) участвуют в проектах из области математики и физики. Если учесть еще, что 17 % участников опроса выбрали вариант ответа «любая тематика», то становится очевидным, что осуществляя ДРВ в избранной тематике, кранчеры интересуются работами в проектах других направлений.

Рис.4. Распределение кранчеров по тематике проектов ДРВ. Заметим, что более трех четвертей опрошенных представлены на сайте boinc.ru, 40% - на сайтах проектов и почти четверть (23%) – на сайте команды.

Информационное общество: образование, наука, культура и технологии будущего (рис.5). Такое предпочтение в отношении платформы BOINC респонденты объясняли тем, что это самая распространенная платформа (56%), 4% кранчеров сослались на то, что им посоветовали так поступить их коллеги, а 36% опрошенных ничего не знают о других платформах.

Рис. 5. Присутствие кранчеров на сайтах ДРВ

Данные социологического опроса позволяют сделать некий обобщающий вывод относительно российских кранчеров: это люди, с высоким уровнем образования и квалификации (в различных областях знаний); они осознанно подходят к выбору, как самого проекта ДРВ, так и к вопросам взаимодействия и взаимоотношений с его организаторами, а также предпочитают ощущать себя соучастниками исследований, быть в курсе проблем и успехов проекта, к которому присоединились; это партнеры для организаторов проектов.

Можно выстроить следующий усредненный портрет российского кранчера:

это - мужчина (97%); в возрасте от 23 до 50 лет (87%), имеющий высшее (80%) техническое образование (55%), располагающий 1-2 компьютерами (76%), использующий платформу BOINC (96%) для оказания помощи науке (93%). Задавался вопрос о том, как вообще у кранчеров возникает доверие к проектам ДРВ. Ответы кранчеров распределились так: если они имеют доступ к подробной информации о проекте (90%), или когда они могут познакомиться с публикациями проектных результатов (88%) или со ссылками на научные статьи (65%). (рис.6). И почти половина опрошенных (45%) испытывают доверие, если имеется обратная связь с разработчиками.

Рис. 6. Из чего складывается доверие кранчеров к проектам ДРВ Были выявлены предпочтения российских кранчеров, на которые они опираются, участвуя в тех или иных проектах ДРВ. Так, более половины опрошенных - 54 % кранчеров – готовы участвовать в реализации национальных проектов, если им будет предоставлена подробная информация о целях и задачах, в то же время 34% вообще готовы к сотрудничеству без предварительных условий (рис.7).

Рис.7. О готовности респондентов участвовать в национальных проектах

Из рисунка 8 видим, что для большинства кранчеров значимо, как определены цели и задачи ДРВ-проектов из разных отраслей. Чуть более трети из них готовы участвовать без каких-то условий.

Рис. 8. О готовности участвовать в ДРВ-проектах из разных отраслей

На рисунке 9 сведена информация о том, какие результаты проектов ДРВ наиболее интересны кранчерам. Это фотографии, графики, гистограммы, ссылки на научные публикации (около трех четвертей опрошенных). Чуть более половины респондентов заинтересованы знать о ближайших планах разработчиков (56%) и о том, где проект упомянут в СМИ (55%). В меньшей степени кранчеры хотели бы «копаться» в табличных данных.

Интересы кранчеров к результатам ДРВ-проектов из разных отраслей не сильно отличались: визуализация (графики, фотографии и пр.), планы разработчиков и ссылки на публикации.

Информационное общество: образование, наука, культура и технологии будущего

Рис. 9. Какие результаты проектов ДРВ интересны кранчерам Приведем обобщенные пожелания кранчеров к новым проектам ДРВ (рис.10).

Рис.10. Доля кранчеров, отметивших пожелания к новым проектам ДРВ

Два важнейших из них – понятное краткое описание проекта (81%) и публикация актуальных новостей о нем (77%). Следующие три пожелания – постоянно поддерживать сайт (59%), следить за наличием новых заданий (57%), отвечать на вопросы кранчеров (53%). И последнее – создавать версии приложений для различных платформ (47%).

В заключении отметим, что выполненное исследование посвящено чрезвычайно важной, с точки зрения развития распределенных вычислений, теме - отношения интернет-сообщества к проблематике добровольных распределенных вычислений. Представленные результаты обработки, фактически, первого, проведенного в России, многофакторного

социологического опроса, позволили определить предпочтения и пожелания кранчеров в отношении различных проектов ДРВ, что создает предпосылки для повышения эффективности работы проектных групп, а также очерчивает Раздел 3. Информационно-коммуникационные системы и области их применения, перспективы повсеместного внедрения и поддержки распределенных информационно- вычислительных сред.

Хотите принять участие в распределенных вычислениях, тогда, Вам сюда:

https://boinc.ru

Системные Требования World Community Grid.

Каковы рекомендуемые минимальные технические характеристики системы? Сколько данных я буду загружать и выгружать, участвуя в World Community Grid? Как узнать, запущено ли на моем компьютере 64-разрядное исследовательское приложение?

Каковы рекомендуемые минимальные технические характеристики системы?

Чтобы участвовать в World Community Grid, вам необходимо иметь как минимум следующее: Возможность отображения графики (при желании увидеть графику) Интернет-соединение Кроме того, у каждого исследовательского проекта свои потребности в памяти и дисковом пространстве. Это следующие:

Исследовательский проект. Память. Доступное пространство. Операционные системы. Africa Rainfall Project 1 ГБ 1,5 ГБ Windows Mac Linux

FightAIDS @ Home - Phase 2 1 ГБ 100 МБ Windows Mac Linux

Help Stop TB 200 МБ 200 МБ Windows Mac Linux

Картирование онкологических маркеров 400 МБ 500 МБ Windows Mac Linux Android

Microbiome Immunity Project 650 МБ 250 МБ Windows Mac Linux

OpenPandemics - COVID19 250 МБ 100 МБ Windows Mac Linux Android

Smash Childhood Cancer 250 МБ 100 МБ Windows Mac Linux Android

1.Доступна версия для процессоров x86.

2. Доступна версия для процессоров x86-64.

3. Доступна версия для процессоров ARM.

4. Минимальное требование Android - версия Android 4.4.

5. Доступна версия для GPU (Open CL 1.2)

6. Пользователям, которые решили запустить этот проект, рекомендуется установить параметр «Оставлять приложения в памяти во время приостановки» в своем профиле устройства.

https://www.worldcommunitygrid.org/ms/device/viewBoincProfil...

Чтобы ограничить количество задач, назначенных вашему устройству для конкретного проекта, см. FAQ здесь.

https://www.worldcommunitygrid.org/help/viewTopic.do?shortNa...

https://www.worldcommunitygrid.org/help/viewTopic.do?shortNa...

Сколько данных я буду загружать и выгружать, участвуя в World Community Grid?

Объем передаваемых данных зависит от того, как настроены ваши параметры обработки, насколько мощный ваш компьютер и как часто он включен. Это также зависит от того, какие исследовательские проекты вы запускаете на своем компьютере. Средний компьютер, участвующий в World Community Grid, выдает около 2 результатов в день.

Каждый из исследовательских проектов World Community Grid использует разные приложения, входные и выходные файлы. В результате размер, используемый для каждого из них, зависит от проекта. Это показано на диаграмме ниже. Обратите внимание, что данные сжимаются во время передачи и распаковываются после загрузки. В результате он будет занимать на диске больше места, чем указано ниже.

Одноразовая загрузка. Загрузка по рабочему модулю. Выгрузка рабочей единицы.

Africa Rainfall Project 100 МБ 100 МБ 60 МБ

FightAIDS @ Home - Phase 2 10 МБ 0,2 МБ 1 МБ

Help Stop TB 30 МБ 5 МБ 10 МБ

Картирование онкологических маркеров 40 МБ 0,1 МБ 3 МБ

Microbiome Immunity Project 100 МБ 50 МБ 1,5 МБ

OpenPandemics - COVID19 10 МБ 0,2 МБ 0,1 МБ

Smash Childhood Cancer 2 МБ 0,2 МБ 0,1 МБ

На компьютере с Windows вы можете использовать диспетчер задач Windows для просмотра имени процесса. 64-битные исследовательские приложения заканчиваются на windows_intelx86_64, а 32-битные приложения заканчиваются на windows_intelx86.

На компьютере с Linux вы можете найти PID исследовательского приложения (которое будет начинаться с имени «wcg»), а затем выполнить команду «file -L / proc / PID / exe». В OS X мы поддерживаем только 64-битные приложения, поэтому все задачи World Community Grid будут запускать 64-битное приложение.

Хотите принять участие в распределенных вычислениях, тогда, Вам сюда:

https://boinc.ru

BOINC для Android. Инструкция для начинающих

Если хочется помочь науке, но после прочтения отзывов остались сомнения, примените несколько правил, которые помогут вам сделать работу с BOINC более простой и безопасной.

Чтобы настроить программу так, как вам хочется, зайдите для начала в ее "Настройки" и активируйте параметр “Показать дополнительные настройки и элементы управления”, чтобы увидеть скрытые настройки. Но прежде не забудьте посетить сайты проектов, в которых хотите участвовать, зарегистрироваться в них и настроить процесс вычислений в своей учетной записи.

Предлагаю для начала разобрать те проблемы, на которые жалуются пользователи, и которые решаются на раз-два:

Перегрев смартфона

Для вычислений используйте половину ядер процессора (см. подробности ниже), а в параметрах “Предельное время процессора” и “Пауза при использовании процессора выше” укажите комфортные для вашего устройства значения. Когда я не пользуюсь смартфоном, и там, и там у меня стоят значения "100%", а температура аккумулятора редко - особенно ночью - достигает 32-34 градуса.

Большая нагрузка на память (жесткий диск)

Промежуточные результаты вычислений BOINC сохраняет на диск, создавая, тем самым, контрольные точки (checkpoints). По умолчанию сохранение происходит каждые 60 секунд, что очень часто. Я, например, выставил 600 секунд, после чего частота обращений к диску снизилась в 10 раз! Чтобы внести свои изменения, перейдите к настройке “Диск – Период доступа”.

Смартфон тормозит

Чтобы это не произошло, нужно снизить нагрузку не только на процессор (см. подробности выше), но и на оперативную память (ОЗУ) смартфона. В настройках найдите “Память – Ограничение ОЗУ” и введите нужное для вас значение.

Другие полезные советы:

Используйте только половину ядер

Как правило, Android оставляет быстрые ядра себе, а более медленные отдает сторонним приложениям. Если задействовать все имеющиеся ядра, аккумулятор сильно нагреется, а нагрузка на медленные ядра и время расчета каждого задания увеличатся более чем в 2 раза, поскольку быстрые ядра не будут участвовать в вычислениях. См. настройку “Процессор – Используемые ядра процессора”.

Температура аккумулятора

Для слежения за этим параметром я скачал и установил приложение CPU-Z. Оно также показывает, сколько на вашем смартфоне ядер, их мощность и загрузку, а также много другой полезной информации. Есть и другие программы из этой категории.

"Источники питания для вычислений"

По умолчанию, программа BOINC работает, если смартфон заряжается от электросети, а уровень заряда выше 90%. Можно, конечно, оставить его на зарядке на всю ночь (Совет: перед отключением от сети не забудьте приостановить вычисления, иначе они возобновятся с последней контрольной точки или, что хуже, с самого начала!) или в другое время суток, но эксперты не советуют – сохранится нагрузка на элементы питания. Лучше всего выбрать в настройках пункт “Источники питания для вычислений” и поставить галочку рядом с “Аккумулятор” (чтобы увидеть этот параметр, прокрутите список вниз). В этом случае программа будет вести расчеты везде, куда бы вы ни взяли с собой ваш смартфон. И, конечно же, не забудьте выбрать свое значение в настройке “Мин. уровень заряда батареи”, при достижении которого вычисления приостанавливаются. Я пользуюсь смартфоном не часто, поэтому установил значение "20%".

Какие проекты выбрать?

Из всех проектов сейчас самый стабильный (т.е. работает почти или совсем без ошибок) – это космический проект Universe@home, который к тому же пришелся по душе всем аккумуляторам смартфонов 🙂 Следом за ним по этому показателю идет World Community Grid. Эти данные основаны на личном и чужом опыте. В других проектах ошибок, как пишут, немного больше, но их разработчики постоянно работают над их устранением. Лично у меня проект Rosetta@home, как и Universe@home, считался без проблем.

“Приостановить вычисления, когда экран включен”

Деактивируйте эту настройку, если хотите, чтобы вычисления не останавливались, даже когда вы пользуетесь смартфоном.

ВАЖНО: подобрать оптимальные настройки можно только путем экспериментов. То, что оптимально для топового (или более современного) смартфона, для более старой модели может стать "Fatality"!

Удачи и новых открытий! 🙂

Хотите принять участие в распределенных вычислениях, тогда, Вам сюда:

https://boinc.ru

Цели и научные достижения Folding@home.

Folding@home (F@H, FAH) — это проект распределённых вычислений, который изучает поведение белков (сворачивание и агрегацию молекул). F@H разработан и запущен 1 октября 2000 года учёными из "Pande laboratory" (факультеты химии, структурной биологии и Медицинский центр Стэнфордского университета). Непосредственным руководителем лаборатории является профессор Виджей Панде (Vijay Pande). Для своего времени Folding@home стал революционным в области использования для распределённых вычислений и научных исследований вычислительной мощности видеоускорителей (GPU), игровых консолей PlayStation 3 и программного интерфейса MPI, используемого для вычислений на многоядерных процессорах.

Цели и научные достижения.

Цель проекта Folding@home — с помощью компьютерного моделирования процессов свёртывания/развёртывания молекул белка, получить лучшее понимание причин возникновения болезней, вызываемых дефектными белками, таких как:

Болезнь Альцге́ймера (также сенильная деменция альцгеймеровского типа) — наиболее распространённая форма деменции, неизлечимое нейродегенеративное заболевание, впервые описанное в 1906 году немецким психиатром Алоисом Альцгеймером. Как правило, она обнаруживается у людей старше 65 лет, но существует и ранняя болезнь Альцгеймера — редкая форма заболевания. Общемировая заболеваемость на 2006 год оценивалась в 26,6 миллионов человек, а к 2050 году число больных может вырасти вчетверо. У каждого человека болезнь протекает по-своему, но при этом наблюдается ряд общих симптомов. Первые заметные проявления обычно по ошибке связывают с преклонным возрастом или объясняют влиянием стресса. Наиболее часто на ранних стадиях распознаётся расстройство памяти, этот симптом может проявляться, например, неспособностью вспомнить недавно заученную информацию. При обращении к врачу и подозрении на болезнь Альцгеймера для уточнения диагноза обычно анализируют поведение, проводят серию когнитивных тестов, если возможно, проводится магнитно-резонансная томография (МРТ). С развитием болезни проявляются такие симптомы, как спутанность, раздражительность и агрессивность, колебания настроения, нарушается способность говорить и понимать сказанное (афазия), происходит потеря долговременной памяти и общее самоустранение больного от дел по мере затухания сознания. Постепенная потеря функций организма ведёт к смерти. Индивидуальный прогноз затруднён из-за вариаций в длительности течения болезни, которая может развиваться подспудно на протяжении длительного времени, прежде чем станут заметны симптомы и будет поставлен диагноз. Средняя продолжительность жизни после установления диагноза составляет около семи лет, менее трёх процентов больных живут более четырнадцати лет.

Болезнь Паркинсо́на — хроническое заболевание, характерное для лиц старшей возрастной группы. Вызвано прогрессирующим разрушением и гибелью нейронов чёрного вещества среднего мозга и других отделов центральной нервной системы, использующих в качестве нейромедиатора дофамин. Для болезни Паркинсона характерны двигательные нарушения: тремор, гипокинезия, мышечная ригидность, постуральная неустойчивость, а также вегетативные и психические расстройства — результат снижения тормозящего влияния бледного шара (паллидума), расположенного в переднем отделе головного мозга, на полосатое тело (стриатум). Повреждение нейронов паллидума приводит к «торможению торможения» периферических двигательных нейронов (мотонейронов спинного мозга). На данный момент болезнь неизлечима, однако существующие методы консервативного и оперативного лечения позволяют значительно улучшить качество жизни больных. Своим названием болезнь обязана французскому неврологу Жану Шарко. Он предложил назвать её в честь британского врача и автора «Эссе о дрожательном параличе» Джеймса Паркинсона, чей труд не был должным образом оценён при жизни.

Болезнь Хантингтона (синдром Хантингтона, хорея Хантингтона или Гентингтона) — генетическое заболевание нервной системы, характеризующееся постепенным началом обычно в возрасте 30-50 лет и сочетанием прогрессирующего хореического гиперкинеза и психических расстройств. Заболевание вызывается умножением кодона CAG в гене IT-15. Этот ген кодирует 350-kDa белок хантингтин с неизвестной функцией. В гене дикого типа (не мутантного) у разных людей присутствует разное количество CAG повторов, однако, когда число повторов превышает 36, развивается болезнь. Нейроморфологическая картина характеризуется атрофией стриатумa, а на поздней стадии также атрофией коры головного мозга.

Несовершенный остеогене́з (лат. osteogenesis imperfecta; иначе «несовершенное костеобразование», болезнь «хрустального человека») — группа генетических нарушений. Одно из заболеваний характеризующееся повышенной ломкостью костей. Люди с НО либо имеют недостаточное количество коллагена, либо его качество не соответствует норме. Так как коллаген важный белок в структуре кости, это заболевание влечёт за собой слабые или ломкие кости. Будучи генетическим нарушением, НО является аутосомно-доминантным дефектом. В большинстве переданным по наследству от родителей, однако, возможна и индивидуальная спонтанная мутация.

Болезнь Кройцфе́льдта — Я́коба (более распространена транскрипция Крейтцфельдта — Якоба, названо по именам немецких врачей Hans Gerhard Creutzfeldt, Alfons Maria Jakob; синонимы: псевдосклероз спастический, синдром кортико-стриоспинальной дегенерации, трансмиссивная спонгиоформная энцефалопатия, коровье бешенство) — прогрессирующее дистрофическое заболевание коры большого мозга, базальных ганглиев и спинного мозга. Считается основным проявлением губчатой энцефалопатии (прионная болезнь).

К настоящему времени проект Folding@home успешно смоделировал процесс свёртывания белковых молекул на протяжении 5-10 мкс — это в тысячи раз больше предыдущих попыток моделирования. По результатам эксперимента вышло чуть менее 200 научных работ.

Производительность.

В 2007 году книга рекордов Гиннесса признала проект Folding@home самой мощной сетью распределённых вычислений. В июле 2008 года F@H признан крупнейшим проектом распределённых вычислений, как по мощности, так и по числу участников. Кроме того, до середины 2011 года он был самым мощным в мире симулятором молекулярной динамики. В декабре 2011 года проект Folding@home занимал вторую строчку мирового рейтинга самых мощных систем распределённых вычислений, уступая лишь Bitcoin.

В настоящее время Folding@home является одной из самых быстрых систем в мире компьютеров. По состоянию на 20 октября 2012, в проекте задействованы 215312 активных CPU, 20530 активных GPU и 17257 активных PS3 (с 6.11.2012 поддержка этой игровой консоли прекращена, задания не выдаются). Суммарная производительность составляет около 6 Pflops (петафлопс). Для сравнения, немецкий суперкопьютер "SuperMUC" занимает четвёртую строчку в мировом рейтинге суперкомпьютеров (TOP500 - 06/2012) и имеет вычислительную мощь равную примерно 3 Pflops, мощь американского "Mira" равна 8 Pflops.

Особенности.

В отличие от многих других проектов распределённых вычислений, Folding@home ведётся некоммерческим образовательным учреждением, занимающимся научными исследованиями и образованием. Полученные данные не предназначены для продажи, поэтому заработать деньги на этом невозможно. Более того, Стэнфордский университет открыто публикует результаты полученных данных. Анализ процессов отправляется в научные журналы для публикации и в дальнейшем эти статьи будут размещаться в сети. Затем, после публикации статей с анализом данных, результаты вычислений становятся доступны на веб-сайте университета и все желающие, включая других исследователей, могут ими воспользоваться.

Что же такое распределённые вычисления?

Распределённые вычисления это метод компьютерной обработки данных при котором несколько частей программы или несколько порций данных одновременно обрабатываются на двух и более компьютерах, которые связаны между собой локальной сетью или интернетом. Чтобы участвовать в проекте, человек должен загрузить небольшую программу-клиент. Клиентская программа Folding@home запускается в фоновом режиме и выполняет вычисления лишь в то время, когда ресурсы процессора не полностью используются другими приложениями. Программа-клиент Folding@home периодически подключается к серверу для получения очередной порции данных для вычислений. После завершения расчётов их результаты отсылаются обратно. Участники проекта могут оценить свой вклад по средствам статистики. Каждый участник может запустить программу-клиент на одном или более компьютерах, может вступить в одну из команд.

Для выполнения вычислений Folding@home использует вычислительную мощь сотен тысяч персональных компьютеров со всего мира. Так почему же нельзя просто использовать суперкомпьютер? Современные суперкомпьютеры на самом деле являются кластерами сотен процессоров связанных высокоскоростной сетью. Скорость этих процессоров сравнима (и часто даже ниже) со скоростью процессоров в обычных компьютерах! Таким образом, если алгоритм (такой как наш) не требует быстрого сетевого подключения, он будет исполняться с той же скоростью, что и суперкомпьютер. Конечно, нашей программе нужны не сотни процессоров современных суперкомпьютеров, а сотни тысяч процессоров. Следовательно, вычисления выполняемые Folding@home невозможны иным методом!

Более того, даже если бы нам дали доступ ко всем суперкомпьютерам мира, мы всё равно делали бы меньше циклов вычислений чем на нашем кластере под именем Folding@home! Это возможно потому, что процессоры сейчас очень быстрые и в мире простаивают сотни миллионов компьютеров.

Если вы прочитали весь пост и читаете эти слова, то наверняка у вас возникло желание попробовать свои силы.

Что ж, мануалы и наши советы вам в помощь!

Удачи!

https://forums.overclockers.ru/viewforum.php?f=21

Хотите принять участие в распределенных вычислениях, тогда, Вам сюда:

https://boinc.ru

Проект Asteroids@home … Есть ли в нем что-то ценное?

От AlexA -25.10.2020

https://boinc.ru/forum/

Почему появилась эта заметка?

Проект работает уже несколько лет, и в ходе знакомства с ним мне пришлось искать людей, независимых экспертов, так сказать, которые могли бы пояснить имеется ли потенциальная (и реальная) польза от этого проекта? Стоит ли тратить свои мощности и время на помощь ему. Таким консультантом для меня оказался Леонид Еленин, российский астроном, открыватель нескольких комет и астероидов. Т.е. человек не по наслышке знакомой с интересующей нас темой. Вот и появилась мысль собрать «в кучу» информацию о проекте и его комментарии, данные как в специализированных форумах, так и в личной переписке, для того, чтобы суть этого проекта стала немного яснее.

Для начала немного о проекте (вольный перевод с сайта проекта)

Проект добровольных распределенных вычислений Asteroids@home занимается тем, что пытается выяснить ранее неизвестные параметры различных астероидов. На сегодняшний день известны сотни тысяч астероидов и каждый день происходит открытие десятков и сотен новых объектов. Хотя общее количество известных астероидов велико, о физических свойствах отдельных объектов известно очень мало. Для значительной части «населения» известен только размер тел. Другие физические параметры (форма, период вращения, направление оси вращения, …) известны только для нескольких сотен объектов.

Идея проекта состоит в том, что астероиды обычно имеют неправильную форму и при этом вращаются, поэтому количество солнечного света, которое они рассеивают по направлению к наблюдателю, меняется со временем. Это изменение яркости во времени называется световой кривой. Форма световой кривой зависит от формы астероида, а также от геометрии обзора и освещения. Если будет собрано достаточное количество световых кривых, наблюдаемых при различных геометриях, то можно восстановить уникальную физическую модель астероида методом обращения световых кривых.

Проект Asteroids@home имеет цель значительно расширить наши знания о физических свойствах астероидов. Приложение BOINC использует фотометрические измерения астероидов, наблюдаемые профессиональными съемками. Данные обрабатываются с использованием метода инверсии светового изгиба, и получается трехмерная модель формы астероида вместе с периодом вращения и направлением оси вращения.

Поскольку фотометрические данные, полученные при съемках всего неба, обычно невелики во времени, период вращения не является «видимым» непосредственно в этих данных, и необходимо провести сканирование огромного пространства параметров, чтобы найти наилучшее решение. В таких случаях инверсия световой кривой занимает очень много времени, и распределенные вычисления — единственный способ эффективно справиться с фотометрированием сотен тысяч астероидов. Более того, чтобы выявить систематические ошибки в методе и восстановить реальное распределение физических параметров в популяции астероидов, необходимо обработать большие наборы данных «синтетических» (искусственных) популяций.

Проект неоднократно публиковал данные о полученных результатах. И вот в конце сентября 2019 года были опубликованы сотни новых полученных моделей астероидов. доступен на arXiv и скоро должен появиться в журнале Astronomy and Astrophysics.

Там сказано, что:

«…Свойства вращения (направление оси вращения и период вращения) и модели грубой формы астероидов могут быть восстановлены по их интегрированной яркости при измерении по различным геометриям обзора. Эти физические свойства необходимы для создания общей картины структуры и динамического развития основного пояса. Количество моделей формы и вращения может быть увеличено не только при наличии новых данных, но также путем объединения независимых наборов данных и их инвертирования. Нашей целью было получить новые модели астероидов путем обработки легкодоступной фотометрии. Мы использовали фотометрию астероидов, собранную в базе данных фотометрии Обсерватории Лоуэлла с фотометрией из второго Выпуска данных Gaia. В обоих источниках доступны данные для, примерно, 5400 астероидов. В рамках проекта распределенных вычислений Asteroids@home мы применили метод инверсии кривой блеска к каждому астероиду, чтобы найти его модель выпуклой формы и состояние вращения, которое соответствует наблюдаемой фотометрии. Из-за ограниченного числа точек данных Gaia DR2 и низкой фотометрической точности данных Лоуэлла нам удалось получить уникальные модели только для ~ 1100 астероидов. Тем не менее, 762 из них — новые модели, которые значительно расширяют текущую базу данных о 1600 моделях астероидов. Наши результаты демонстрируют важность комбинированного подхода к инверсии астероидной фотометрии. Хотя наши модели в целом согласуются с моделями, полученными путем раздельной инверсии данных Лоуэлла и Гайи, комбинированная инверсия является более надежной, параметры модели более ограничены, и во многих случаях уникальные модели можно реконструировать, когда одних отдельных наборов данных недостаточно.»

На Астрофоруме о проекте насколько раз высказался Леонид Еленин ( LeonidOS ), который знаком с некоторыми из организаторов этого проекта. Свожу тут воедино его ответы из личной переписки и посты с форума. Его согласие мной было получено.

17 ноября 2019:

Надеюсь в те 1100 астероидов, входят те, для которых период, ось вращения и форма уже были восстановлены. Данные Лоувелла действительно очень слабые с точки зрения фотометрами, а у Гайи слишком разряженные ряды. Я работал с несколькими кривыми блеск из сотен точек просто для определения периода вращения, для определения формы нужны десятки кривых блеска с хорошим покрытиям по фазовым углам, особенно важны кривые при больших фазовых углах.

23 ноября 2019:

Работа интересная и до ее прочтения, я относился к проекту с бОльшим скептицизмом.

Приводится сравнение с базой LCDB, т.е. с данными, полученными «классическим» способом. И в большей степени они совпадают.

С восстановлением формы, конечно, вопросов уже больше. Ведь для этой задачи нужны не абы какие данные, а кривые блеска полученные на больших фазовых углах. А при малых фазовых углах мы практически не получаем информации о форме. В целом, эта задача близка к черной магии и вызывает большое число вопросов.

Рад что проект не заглох и работа идет.

На днях проект опубликовал новые полученные данные на arXiv.

Опять «вольный» перевод:

Модели астероидов, восстановленные по фотометрии ATLAS

Дж. Дюреч , Дж. Тонри , Н. Эразмус , Л. Денно , А. Н. Хайнце , Х. Флюеллинг , Р. Ванко

Система последнего предупреждения о столкновении с землей астероидов (ATLAS) — это обзор всего неба, в первую очередь направленный на обнаружение потенциально опасных астероидов, сближающихся с Землей. Помимо астрометрии астероидов, он также производит их фотометрические измерения, которые содержат информацию о вращении астероидов и их форме. Чтобы увеличить текущее количество астероидов с известной формой и состоянием вращения, мы реконструировали модели астероидов на основе фотометрии ATLAS, которая была доступна примерно для 180 000 астероидов, наблюдавшихся в период с 2015 по 2018 год. Мы использовали метод инверсии кривой блеска, реализованный в Asteroid@home по обработке фотометрии ATLAS примерно для 100 000 астероидов с более чем сотней отдельных измерений яркости. Сканируя период и пространство параметров полюса, мы выбрали наиболее подходящие модели, которые, согласно нашей настройке, единственное решение обратной задачи. Мы получили ~ 2750 уникальных моделей, 950 из них уже реконструированы по другим данным и опубликованы.

Остальные 1800 моделей новые. Около половины из них являются лишь частными моделями с неограниченной эклиптической долготой полюса. Наряду с формой и вращением мы также определили для каждого смоделированного астероида его цветовой индекс с помощью голубого и оранжевого фильтра, использованного в обзоре ATLAS. Мы также показываем корреляции между показателем цвета, альбедо и наклоном функции фазового угла. Текущий анализ — это первая инверсия фотометрии астероидов ATLAS, и это первый шаг в использовании огромного научного потенциала, которым обладает фотометрия ATLAS. ATLAS продолжает наблюдения, и в будущем эти данные вместе с другими независимыми фотометрическими измерениями.

Опять же за комментариями обратился к Леониду, как специалисту в данной и смежных областях. 23 октября он прокомментировал эту новость таким образом:

Статью прочел. Вопросов нет. Для определения оси вращения, а тем более формы, нужны длинные ряды измерений при максимальном диапазоне фазовых углов, причем при малых ФУ измерения для восстановления формы практически бесполезны. Они отмечают, что данных то много, но форму смогли рассчитать лишь для 3000 объектов. Проект мне нравится, если бы я сейчас работал с BOINC, то, наверное, отдал бы ему предпочтение. Тем более да, некоторых из авторов знаю лично.

Затем разговор перешел на тему использования ГПУ в расчетах, чем сейчас и занимаются организаторы проекта:

Конечно, дело интересное. Я кстати, до реконструкции формы так и не дошел. Определял период вращения и ориентацию оси вращения. Форма — это немного магия и там да, нужно много вычислений. Графкарты самое то для этого.

Для чего я тут это всё написал. Проекты распределенных вычислений часто упрекают в отсутствии реальных результатов. Возможно часто оно так и есть. Но вот в данном случае, получается нечто интересное. Причем, как видите, в том числе и по мнению тех, кто достаточно хорошо и профессионально разбирается в данной теме.

Итальянский космолог Клаудио Макконе представил Европейскому космическому агентству проект FOCAL (Fast Outgoing Cyclopean Astronomical Lens). Он предложил отправить небольшой научно-исследовательский аппарат с радиотелескопом в гравитационный фокус, который находится на расстоянии 547 астрономических единиц от Солнца (это в 14 раз больше расстояния от Солнца до Плутона!). В начальном варианте аппарат был предназначен для создания радиокарты центра Галактики. Макконе расширил проект: присвоил ему новое название SETISAIL и определил дополнительные задачи — поиск искусственных сигналов или приёмо-передающих станций инопланетян.

В своих работах Макконе показывает, что, к примеру, коэффициент усиления сигнала между фокусами Солнца и альфы Центавра составляет 1016. Соответственно, чтобы создать устойчивую связь, понадобится передатчик мощностью около 1 ватта и антенна диаметром 12 метров. Построить такой аппарат человечеству вполне по силам. Даже если гипотеза о существовании межзвёздного интернета не подтвердится, аппарат SETISAIL будет полезен для науки, ведь не исключено, что когда-нибудь нам самим придётся налаживать связь между мирами.

Идея полёта к гравитационному фокусу Солнца привлекательна ещё и по той причине, что даже сравнительно небольшой телескоп, помещённый в него, превзойдёт по разрешающей способности все самые совершенные астрономические инструменты, когда-либо созданные землянами. Проект по отправке туда полноценной автоматической обсерватории предложили несколько лет назад Луис Фридман и Вячеслав Турышев.

Согласно их расчётам, телескоп с размером зеркала в один метр, расположенный в гравитационном фокусе, будет эквивалентен восьмидесятикилометровому прибору на Земле! Соответственно, любой наблюдаемый объект увеличится в сто миллиардов раз. Например, если вести наблюдение в оптическом и ближнем инфракрасном диапазонах, то можно будет получать карты планет, расположенных в 100 световых годах от нас, с чёткостью в десять километров на пиксель. Астрономы сумеют разглядеть не только очертания континентов, русла больших рек и горные массивы, но и свет городов, большие мосты или другие циклопические сооружения инопланетян, если они там есть.

Путь обсерватории в гравитационный фокус с использованием электроракетного двигателя займёт не меньше тридцати лет. Однако, если проект будет реализован, мы сможем отыскать даже тех «братьев по разуму», которые не испытывают желания вступать с нами в контакт. Или убедимся, что ближайший космос действительно пуст и ожидает, когда земляне наконец-то всерьёз примутся за его освоение.