SlideShare una empresa de Scribd logo

IIBMP2014 Lightning Talk - MEGADOCK 4.0

•
•
Masahito Ohue
Masahito Ohue

第3回生命医薬情報学連合大会のライトニングトークのスライドです． http://iibmp2014.castle104.com/#!_/presentations/11648

Software
1 de 3
Descargar para leer sin conexión
MEGADOCK 4.0 an ultra-high-performance protein-protein docking software for heterogeneous supercomputers 1T1-35 (G-06) 大上雅史，下田雄大，鈴木脩司，松崎由理，石田貴士，秋山泰（東工大・情報理工） I I B M P 2 0 1 4 タンパク質ドッキングを1日で100万ペア計算するよ^^ タンパク質ドッキングって何？ 2つのタンパク構造から複合体構造を予測する計算のこと なんで1日に100万ペア？ タンパク質間相互作用(PPI)ネットワークの予測や、アン サンブルドッキングとかに気軽に応用できるようにする ためには、そのくらい速い計算が必要なんだ。 へぇ、どうやってやるの？ GPUスパコンを使うよ
MEGADOCK 4.0 大上雅史 MPI, OpenMP, and CUDA Hybrid Parallelization 東工大TSUBAME 2.5のGPU（1ノードあたり3枚）を全て活用 1ノードフル利用で 84倍高速化 (12CPUコアに対して9.4倍) 1T1-35 (G-06) 世界第13位(2.8 PetaFlops) 17,984 CPUコア，4,258 GPU 1ノード：12CPUコア＋3GPU 並列化効率 強スケーリング 97%以上を達成 単一ノードでのGPUによる高速化 複数ノードでの並列化効率
MEGADOCK 4.0 大上雅史1T1-35 (G-06) で、結局100万ペアのドッキングは何時間でできたの？ 論文Open Access! ツールOpen Source! www.bi.cs.titech.ac.jp/megadock ノートPCからTSUBAMEまで! I I B M P 2 0 1 4 TSUBAME 2.5の420ノード利用でおよそ12時間だったよ Binding Partner Recognition Test Chemotaxis Pathway Analysis Human Apoptosis Pathway Analysis

Recomendados

計算で明らかにするタンパク質の出会いとネットワーク（FIT2016 助教が吼えるセッション）
計算で明らかにするタンパク質の出会いとネットワーク（FIT2016 助教が吼えるセッション）計算で明らかにするタンパク質の出会いとネットワーク（FIT2016 助教が吼えるセッション）
計算で明らかにするタンパク質の出会いとネットワーク（FIT2016 助教が吼えるセッション）Masahito Ohue
 
20150218 gisaセキュリティ分科会 aok資料i
20150218 gisaセキュリティ分科会 aok資料i20150218 gisaセキュリティ分科会 aok資料i
20150218 gisaセキュリティ分科会 aok資料i和人 青木
 
気象情報の正しい取得の仕方
気象情報の正しい取得の仕方気象情報の正しい取得の仕方
気象情報の正しい取得の仕方Yoichi Suetake
 
大須賀・田原・清研究室の研究事例
大須賀・田原・清研究室の研究事例大須賀・田原・清研究室の研究事例
大須賀・田原・清研究室の研究事例0hsuga
 
Finding correct protein–protein docking models using ProQDock (ISMB2016読み会, 大上)
Finding correct protein–protein docking models using ProQDock (ISMB2016読み会, 大上)Finding correct protein–protein docking models using ProQDock (ISMB2016読み会, 大上)
Finding correct protein–protein docking models using ProQDock (ISMB2016読み会, 大上)Masahito Ohue
 
学振特別研究員になるために～知っておくべき10のTips～[平成29年度申請版]
学振特別研究員になるために～知っておくべき10のTips～[平成29年度申請版]学振特別研究員になるために～知っておくべき10のTips～[平成29年度申請版]
学振特別研究員になるために～知っておくべき10のTips～[平成29年度申請版]Masahito Ohue
 
学振特別研究員になるために～知っておくべき10のTips～
学振特別研究員になるために～知っておくべき10のTips～学振特別研究員になるために～知っておくべき10のTips～
学振特別研究員になるために～知っておくべき10のTips～Masahito Ohue
 
学振特別研究員になるために～2018年度申請版
学振特別研究員になるために～2018年度申請版学振特別研究員になるために～2018年度申請版
学振特別研究員になるために～2018年度申請版Masahito Ohue
 

Recomendados

計算で明らかにするタンパク質の出会いとネットワーク（FIT2016 助教が吼えるセッション）
計算で明らかにするタンパク質の出会いとネットワーク（FIT2016 助教が吼えるセッション）計算で明らかにするタンパク質の出会いとネットワーク（FIT2016 助教が吼えるセッション）
計算で明らかにするタンパク質の出会いとネットワーク（FIT2016 助教が吼えるセッション）Masahito Ohue
 
20150218 gisaセキュリティ分科会 aok資料i
20150218 gisaセキュリティ分科会 aok資料i20150218 gisaセキュリティ分科会 aok資料i
20150218 gisaセキュリティ分科会 aok資料i和人 青木
 
気象情報の正しい取得の仕方
気象情報の正しい取得の仕方気象情報の正しい取得の仕方
気象情報の正しい取得の仕方Yoichi Suetake
 
大須賀・田原・清研究室の研究事例
大須賀・田原・清研究室の研究事例大須賀・田原・清研究室の研究事例
大須賀・田原・清研究室の研究事例0hsuga
 
Finding correct protein–protein docking models using ProQDock (ISMB2016読み会, 大上)
Finding correct protein–protein docking models using ProQDock (ISMB2016読み会, 大上)Finding correct protein–protein docking models using ProQDock (ISMB2016読み会, 大上)
Finding correct protein–protein docking models using ProQDock (ISMB2016読み会, 大上)Masahito Ohue
 
学振特別研究員になるために～知っておくべき10のTips～[平成29年度申請版]
学振特別研究員になるために～知っておくべき10のTips～[平成29年度申請版]学振特別研究員になるために～知っておくべき10のTips～[平成29年度申請版]
学振特別研究員になるために～知っておくべき10のTips～[平成29年度申請版]Masahito Ohue
 
学振特別研究員になるために～知っておくべき10のTips～
学振特別研究員になるために～知っておくべき10のTips～学振特別研究員になるために～知っておくべき10のTips～
学振特別研究員になるために～知っておくべき10のTips～Masahito Ohue
 
学振特別研究員になるために～2018年度申請版
学振特別研究員になるために～2018年度申請版学振特別研究員になるために～2018年度申請版
学振特別研究員になるために～2018年度申請版Masahito Ohue
 
ISMB/ECCB2015読み会：大上
ISMB/ECCB2015読み会：大上ISMB/ECCB2015読み会：大上
ISMB/ECCB2015読み会：大上Masahito Ohue
 
Protein-Protein Interaction Prediction Based on Template-Based and de Novo Do...
Protein-Protein Interaction Prediction Based on Template-Based and de Novo Do...Protein-Protein Interaction Prediction Based on Template-Based and de Novo Do...
Protein-Protein Interaction Prediction Based on Template-Based and de Novo Do...Masahito Ohue
 
PrePPI: structure-based protein-protein interaction prediction
PrePPI: structure-based protein-protein interaction predictionPrePPI: structure-based protein-protein interaction prediction
PrePPI: structure-based protein-protein interaction predictionMasahito Ohue
 
統計学の記法，回帰分析と最小二乗法
統計学の記法，回帰分析と最小二乗法統計学の記法，回帰分析と最小二乗法
統計学の記法，回帰分析と最小二乗法Masahito Ohue
 
Protein-RNA Interaction Prediction
Protein-RNA Interaction PredictionProtein-RNA Interaction Prediction
Protein-RNA Interaction PredictionMasahito Ohue
 
Protein-protein docking-based virtual screening
Protein-protein docking-based virtual screeningProtein-protein docking-based virtual screening
Protein-protein docking-based virtual screeningMasahito Ohue
 
タンパク質は音楽を奏でるか？
タンパク質は音楽を奏でるか？タンパク質は音楽を奏でるか？
タンパク質は音楽を奏でるか？Masahito Ohue
 
W8PRML5.1-5.3
W8PRML5.1-5.3W8PRML5.1-5.3
W8PRML5.1-5.3Masahito Ohue
 
FiberDock: Flexible Protein Docking with Normal Mode
FiberDock: Flexible Protein Docking with Normal ModeFiberDock: Flexible Protein Docking with Normal Mode
FiberDock: Flexible Protein Docking with Normal ModeMasahito Ohue
 
Accurate protein-protein docking with rapid calculation
Accurate protein-protein docking with rapid calculationAccurate protein-protein docking with rapid calculation
Accurate protein-protein docking with rapid calculationMasahito Ohue
 
「全ての確率はコイン投げに通ず」 Japan.R 発表資料
「全ての確率はコイン投げに通ず」 Japan.R 発表資料「全ての確率はコイン投げに通ず」 Japan.R 発表資料
「全ての確率はコイン投げに通ず」 Japan.R 発表資料Ken'ichi Matsui
 
PRML Chapter 14
PRML Chapter 14PRML Chapter 14
PRML Chapter 14Masahito Ohue
 
学振特別研究員になるために～知っておくべき10のTips～[平成28年度申請版]
学振特別研究員になるために～知っておくべき10のTips～[平成28年度申請版]学振特別研究員になるために～知っておくべき10のTips～[平成28年度申請版]
学振特別研究員になるために～知っておくべき10のTips～[平成28年度申請版]Masahito Ohue
 
査読コメントに回答する時の、3つの黄金律
査読コメントに回答する時の、3つの黄金律査読コメントに回答する時の、3つの黄金律
査読コメントに回答する時の、3つの黄金律英文校正エディテージ
 
機械学習チュートリアル@Jubatus Casual Talks
機械学習チュートリアル@Jubatus Casual Talks機械学習チュートリアル@Jubatus Casual Talks
機械学習チュートリアル@Jubatus Casual TalksYuya Unno
 
SIGBIO54: 生命情報解析分野におけるコンテナ型仮想化技術の動向と性能検証
SIGBIO54: 生命情報解析分野におけるコンテナ型仮想化技術の動向と性能検証SIGBIO54: 生命情報解析分野におけるコンテナ型仮想化技術の動向と性能検証
SIGBIO54: 生命情報解析分野におけるコンテナ型仮想化技術の動向と性能検証Kento Aoyama
 
【Tokyowebmining】open compute project
【Tokyowebmining】open compute project 【Tokyowebmining】open compute project
【Tokyowebmining】open compute project Junichiro Tani
 
20180227_最先端のディープラーニング 研究開発を支えるGPU計算機基盤 「MN-1」のご紹介
20180227_最先端のディープラーニング 研究開発を支えるGPU計算機基盤 「MN-1」のご紹介20180227_最先端のディープラーニング 研究開発を支えるGPU計算機基盤 「MN-1」のご紹介
20180227_最先端のディープラーニング 研究開発を支えるGPU計算機基盤 「MN-1」のご紹介Preferred Networks
 
明日から始める！ ソフトウェアのグリーン化（GSF MeetUp Tokyo 発表資料）
明日から始める！ ソフトウェアのグリーン化（GSF MeetUp Tokyo 発表資料）明日から始める！ ソフトウェアのグリーン化（GSF MeetUp Tokyo 発表資料）
明日から始める！ ソフトウェアのグリーン化（GSF MeetUp Tokyo 発表資料）NTT DATA Technology & Innovation
 
Tuning, etc.
Tuning, etc.Tuning, etc.
Tuning, etc.Hiroshi Watanabe
 
座談会資料(メモ付き) 20151003
座談会資料(メモ付き) 20151003座談会資料(メモ付き) 20151003
座談会資料(メモ付き) 20151003知礼 八子
 
Why python
Why pythonWhy python
Why pythonMikio Kubo
 

Más contenido relacionado

Destacado

ISMB/ECCB2015読み会：大上
ISMB/ECCB2015読み会：大上ISMB/ECCB2015読み会：大上
ISMB/ECCB2015読み会：大上Masahito Ohue
 
Protein-Protein Interaction Prediction Based on Template-Based and de Novo Do...
Protein-Protein Interaction Prediction Based on Template-Based and de Novo Do...Protein-Protein Interaction Prediction Based on Template-Based and de Novo Do...
Protein-Protein Interaction Prediction Based on Template-Based and de Novo Do...Masahito Ohue
 
PrePPI: structure-based protein-protein interaction prediction
PrePPI: structure-based protein-protein interaction predictionPrePPI: structure-based protein-protein interaction prediction
PrePPI: structure-based protein-protein interaction predictionMasahito Ohue
 
統計学の記法，回帰分析と最小二乗法
統計学の記法，回帰分析と最小二乗法統計学の記法，回帰分析と最小二乗法
統計学の記法，回帰分析と最小二乗法Masahito Ohue
 
Protein-RNA Interaction Prediction
Protein-RNA Interaction PredictionProtein-RNA Interaction Prediction
Protein-RNA Interaction PredictionMasahito Ohue
 
Protein-protein docking-based virtual screening
Protein-protein docking-based virtual screeningProtein-protein docking-based virtual screening
Protein-protein docking-based virtual screeningMasahito Ohue
 
タンパク質は音楽を奏でるか？
タンパク質は音楽を奏でるか？タンパク質は音楽を奏でるか？
タンパク質は音楽を奏でるか？Masahito Ohue
 
FiberDock: Flexible Protein Docking with Normal Mode
FiberDock: Flexible Protein Docking with Normal ModeFiberDock: Flexible Protein Docking with Normal Mode
FiberDock: Flexible Protein Docking with Normal ModeMasahito Ohue
 
Accurate protein-protein docking with rapid calculation
Accurate protein-protein docking with rapid calculationAccurate protein-protein docking with rapid calculation
Accurate protein-protein docking with rapid calculationMasahito Ohue
 
「全ての確率はコイン投げに通ず」 Japan.R 発表資料
「全ての確率はコイン投げに通ず」 Japan.R 発表資料「全ての確率はコイン投げに通ず」 Japan.R 発表資料
「全ての確率はコイン投げに通ず」 Japan.R 発表資料Ken'ichi Matsui
 
学振特別研究員になるために～知っておくべき10のTips～[平成28年度申請版]
学振特別研究員になるために～知っておくべき10のTips～[平成28年度申請版]学振特別研究員になるために～知っておくべき10のTips～[平成28年度申請版]
学振特別研究員になるために～知っておくべき10のTips～[平成28年度申請版]Masahito Ohue
 
査読コメントに回答する時の、3つの黄金律
査読コメントに回答する時の、3つの黄金律査読コメントに回答する時の、3つの黄金律
査読コメントに回答する時の、3つの黄金律英文校正エディテージ
 
機械学習チュートリアル@Jubatus Casual Talks
機械学習チュートリアル@Jubatus Casual Talks機械学習チュートリアル@Jubatus Casual Talks
機械学習チュートリアル@Jubatus Casual TalksYuya Unno
 

Destacado (15)

ISMB/ECCB2015読み会：大上
ISMB/ECCB2015読み会：大上ISMB/ECCB2015読み会：大上
ISMB/ECCB2015読み会：大上
 
Protein-Protein Interaction Prediction Based on Template-Based and de Novo Do...
Protein-Protein Interaction Prediction Based on Template-Based and de Novo Do...Protein-Protein Interaction Prediction Based on Template-Based and de Novo Do...
Protein-Protein Interaction Prediction Based on Template-Based and de Novo Do...
 
PrePPI: structure-based protein-protein interaction prediction
PrePPI: structure-based protein-protein interaction predictionPrePPI: structure-based protein-protein interaction prediction
PrePPI: structure-based protein-protein interaction prediction
 
統計学の記法，回帰分析と最小二乗法
統計学の記法，回帰分析と最小二乗法統計学の記法，回帰分析と最小二乗法
統計学の記法，回帰分析と最小二乗法
 
Protein-RNA Interaction Prediction
Protein-RNA Interaction PredictionProtein-RNA Interaction Prediction
Protein-RNA Interaction Prediction
 
Protein-protein docking-based virtual screening
Protein-protein docking-based virtual screeningProtein-protein docking-based virtual screening
Protein-protein docking-based virtual screening
 
タンパク質は音楽を奏でるか？
タンパク質は音楽を奏でるか？タンパク質は音楽を奏でるか？
タンパク質は音楽を奏でるか？
 
W8PRML5.1-5.3
W8PRML5.1-5.3W8PRML5.1-5.3
W8PRML5.1-5.3
 
FiberDock: Flexible Protein Docking with Normal Mode
FiberDock: Flexible Protein Docking with Normal ModeFiberDock: Flexible Protein Docking with Normal Mode
FiberDock: Flexible Protein Docking with Normal Mode
 
Accurate protein-protein docking with rapid calculation
Accurate protein-protein docking with rapid calculationAccurate protein-protein docking with rapid calculation
Accurate protein-protein docking with rapid calculation
 
「全ての確率はコイン投げに通ず」 Japan.R 発表資料
「全ての確率はコイン投げに通ず」 Japan.R 発表資料「全ての確率はコイン投げに通ず」 Japan.R 発表資料
「全ての確率はコイン投げに通ず」 Japan.R 発表資料
 
PRML Chapter 14
PRML Chapter 14PRML Chapter 14
PRML Chapter 14
 
学振特別研究員になるために～知っておくべき10のTips～[平成28年度申請版]
学振特別研究員になるために～知っておくべき10のTips～[平成28年度申請版]学振特別研究員になるために～知っておくべき10のTips～[平成28年度申請版]
学振特別研究員になるために～知っておくべき10のTips～[平成28年度申請版]
 
査読コメントに回答する時の、3つの黄金律
査読コメントに回答する時の、3つの黄金律査読コメントに回答する時の、3つの黄金律
査読コメントに回答する時の、3つの黄金律
 
機械学習チュートリアル@Jubatus Casual Talks
機械学習チュートリアル@Jubatus Casual Talks機械学習チュートリアル@Jubatus Casual Talks
機械学習チュートリアル@Jubatus Casual Talks
 

Similar a IIBMP2014 Lightning Talk - MEGADOCK 4.0

SIGBIO54: 生命情報解析分野におけるコンテナ型仮想化技術の動向と性能検証
SIGBIO54: 生命情報解析分野におけるコンテナ型仮想化技術の動向と性能検証SIGBIO54: 生命情報解析分野におけるコンテナ型仮想化技術の動向と性能検証
SIGBIO54: 生命情報解析分野におけるコンテナ型仮想化技術の動向と性能検証Kento Aoyama
 
【Tokyowebmining】open compute project
【Tokyowebmining】open compute project 【Tokyowebmining】open compute project
【Tokyowebmining】open compute project Junichiro Tani
 
20180227_最先端のディープラーニング 研究開発を支えるGPU計算機基盤 「MN-1」のご紹介
20180227_最先端のディープラーニング 研究開発を支えるGPU計算機基盤 「MN-1」のご紹介20180227_最先端のディープラーニング 研究開発を支えるGPU計算機基盤 「MN-1」のご紹介
20180227_最先端のディープラーニング 研究開発を支えるGPU計算機基盤 「MN-1」のご紹介Preferred Networks
 
明日から始める！ ソフトウェアのグリーン化（GSF MeetUp Tokyo 発表資料）
明日から始める！ ソフトウェアのグリーン化（GSF MeetUp Tokyo 発表資料）明日から始める！ ソフトウェアのグリーン化（GSF MeetUp Tokyo 発表資料）
明日から始める！ ソフトウェアのグリーン化（GSF MeetUp Tokyo 発表資料）NTT DATA Technology & Innovation
 
座談会資料(メモ付き) 20151003
座談会資料(メモ付き) 20151003座談会資料(メモ付き) 20151003
座談会資料(メモ付き) 20151003知礼 八子
 
[C32] 正確でスピーディーな決断を促す、日立の高速データアクセス基盤～性能検証事例と活用効果～ by Taichi Ishikawa
[C32] 正確でスピーディーな決断を促す、日立の高速データアクセス基盤～性能検証事例と活用効果～ by Taichi Ishikawa[C32] 正確でスピーディーな決断を促す、日立の高速データアクセス基盤～性能検証事例と活用効果～ by Taichi Ishikawa
[C32] 正確でスピーディーな決断を促す、日立の高速データアクセス基盤～性能検証事例と活用効果～ by Taichi IshikawaInsight Technology, Inc.
 
Webを支える組み込み技術
Webを支える組み込み技術Webを支える組み込み技術
Webを支える組み込み技術Yuji Chiya
 
システム高速化フォーラム向け プッシュ通知基盤のアーキテクチャ
システム高速化フォーラム向け プッシュ通知基盤のアーキテクチャシステム高速化フォーラム向け プッシュ通知基盤のアーキテクチャ
システム高速化フォーラム向け プッシュ通知基盤のアーキテクチャRecruit Technologies
 
「ソフトウェアからの設備制御」�
「ソフトウェアからの設備制御」�「ソフトウェアからの設備制御」�
「ソフトウェアからの設備制御」�Takahiro Nakahata
 
Gunosy DM #120 論文紹介 Attention and Engagement-Awareness in the Wild: A Large-...
Gunosy DM #120 論文紹介 Attention and Engagement-Awareness in the Wild: A Large-...Gunosy DM #120 論文紹介 Attention and Engagement-Awareness in the Wild: A Large-...
Gunosy DM #120 論文紹介 Attention and Engagement-Awareness in the Wild: A Large-...Koji Yoshida
 
PHP 8 と V8 (JavaScript) で速さを見比べてみよう！
PHP 8 と V8 (JavaScript) で速さを見比べてみよう！PHP 8 と V8 (JavaScript) で速さを見比べてみよう！
PHP 8 と V8 (JavaScript) で速さを見比べてみよう！shinjiigarashi
 
2016 summercamp RTM-ROS相互運用とJSKでの取り組み
2016 summercamp RTM-ROS相互運用とJSKでの取り組み2016 summercamp RTM-ROS相互運用とJSKでの取り組み
2016 summercamp RTM-ROS相互運用とJSKでの取り組みopenrtm
 
200319 eash python_shareslide
200319 eash python_shareslide200319 eash python_shareslide
200319 eash python_shareslideHiroki Katayama
 
地方創生事業スライド
地方創生事業スライド地方創生事業スライド
地方創生事業スライドtusim
 
世界最先端It国家創造宣言・官民データ活用推進基本計画（概要）
世界最先端It国家創造宣言・官民データ活用推進基本計画（概要）世界最先端It国家創造宣言・官民データ活用推進基本計画（概要）
世界最先端It国家創造宣言・官民データ活用推進基本計画（概要）Hiroyuki Ichikawa
 
日本のオープンデータプラットフォームをPythonでつくる
日本のオープンデータプラットフォームをPythonでつくる日本のオープンデータプラットフォームをPythonでつくる
日本のオープンデータプラットフォームをPythonでつくるYuta Kashino
 

Similar a IIBMP2014 Lightning Talk - MEGADOCK 4.0 (20)

SIGBIO54: 生命情報解析分野におけるコンテナ型仮想化技術の動向と性能検証
SIGBIO54: 生命情報解析分野におけるコンテナ型仮想化技術の動向と性能検証SIGBIO54: 生命情報解析分野におけるコンテナ型仮想化技術の動向と性能検証
SIGBIO54: 生命情報解析分野におけるコンテナ型仮想化技術の動向と性能検証
 
【Tokyowebmining】open compute project
【Tokyowebmining】open compute project 【Tokyowebmining】open compute project
【Tokyowebmining】open compute project
 
20180227_最先端のディープラーニング 研究開発を支えるGPU計算機基盤 「MN-1」のご紹介
20180227_最先端のディープラーニング 研究開発を支えるGPU計算機基盤 「MN-1」のご紹介20180227_最先端のディープラーニング 研究開発を支えるGPU計算機基盤 「MN-1」のご紹介
20180227_最先端のディープラーニング 研究開発を支えるGPU計算機基盤 「MN-1」のご紹介
 
明日から始める！ ソフトウェアのグリーン化（GSF MeetUp Tokyo 発表資料）
明日から始める！ ソフトウェアのグリーン化（GSF MeetUp Tokyo 発表資料）明日から始める！ ソフトウェアのグリーン化（GSF MeetUp Tokyo 発表資料）
明日から始める！ ソフトウェアのグリーン化（GSF MeetUp Tokyo 発表資料）
 
Tuning, etc.
Tuning, etc.Tuning, etc.
Tuning, etc.
 
座談会資料(メモ付き) 20151003
座談会資料(メモ付き) 20151003座談会資料(メモ付き) 20151003
座談会資料(メモ付き) 20151003
 
Why python
Why pythonWhy python
Why python
 
2019 parentsday
2019 parentsday2019 parentsday
2019 parentsday
 
[C32] 正確でスピーディーな決断を促す、日立の高速データアクセス基盤～性能検証事例と活用効果～ by Taichi Ishikawa
[C32] 正確でスピーディーな決断を促す、日立の高速データアクセス基盤～性能検証事例と活用効果～ by Taichi Ishikawa[C32] 正確でスピーディーな決断を促す、日立の高速データアクセス基盤～性能検証事例と活用効果～ by Taichi Ishikawa
[C32] 正確でスピーディーな決断を促す、日立の高速データアクセス基盤～性能検証事例と活用効果～ by Taichi Ishikawa
 
Webを支える組み込み技術
Webを支える組み込み技術Webを支える組み込み技術
Webを支える組み込み技術
 
システム高速化フォーラム向け プッシュ通知基盤のアーキテクチャ
システム高速化フォーラム向け プッシュ通知基盤のアーキテクチャシステム高速化フォーラム向け プッシュ通知基盤のアーキテクチャ
システム高速化フォーラム向け プッシュ通知基盤のアーキテクチャ
 
「ソフトウェアからの設備制御」�
「ソフトウェアからの設備制御」�「ソフトウェアからの設備制御」�
「ソフトウェアからの設備制御」�
 
Gunosy DM #120 論文紹介 Attention and Engagement-Awareness in the Wild: A Large-...
Gunosy DM #120 論文紹介 Attention and Engagement-Awareness in the Wild: A Large-...Gunosy DM #120 論文紹介 Attention and Engagement-Awareness in the Wild: A Large-...
Gunosy DM #120 論文紹介 Attention and Engagement-Awareness in the Wild: A Large-...
 
PHP 8 と V8 (JavaScript) で速さを見比べてみよう！
PHP 8 と V8 (JavaScript) で速さを見比べてみよう！PHP 8 と V8 (JavaScript) で速さを見比べてみよう！
PHP 8 と V8 (JavaScript) で速さを見比べてみよう！
 
NAGOSUTA 20181020
NAGOSUTA 20181020NAGOSUTA 20181020
NAGOSUTA 20181020
 
2016 summercamp RTM-ROS相互運用とJSKでの取り組み
2016 summercamp RTM-ROS相互運用とJSKでの取り組み2016 summercamp RTM-ROS相互運用とJSKでの取り組み
2016 summercamp RTM-ROS相互運用とJSKでの取り組み
 
200319 eash python_shareslide
200319 eash python_shareslide200319 eash python_shareslide
200319 eash python_shareslide
 
地方創生事業スライド
地方創生事業スライド地方創生事業スライド
地方創生事業スライド
 
世界最先端It国家創造宣言・官民データ活用推進基本計画（概要）
世界最先端It国家創造宣言・官民データ活用推進基本計画（概要）世界最先端It国家創造宣言・官民データ活用推進基本計画（概要）
世界最先端It国家創造宣言・官民データ活用推進基本計画（概要）
 
日本のオープンデータプラットフォームをPythonでつくる
日本のオープンデータプラットフォームをPythonでつくる日本のオープンデータプラットフォームをPythonでつくる
日本のオープンデータプラットフォームをPythonでつくる
 

Más de Masahito Ohue

学振特別研究員になるために～2024年度申請版
学振特別研究員になるために～2024年度申請版 学振特別研究員になるために～2024年度申請版
学振特別研究員になるために～2024年度申請版Masahito Ohue
 
学振特別研究員になるために～2023年度申請版
学振特別研究員になるために～2023年度申請版学振特別研究員になるために～2023年度申請版
学振特別研究員になるために～2023年度申請版Masahito Ohue
 
学振特別研究員になるために～2022年度申請版
学振特別研究員になるために～2022年度申請版学振特別研究員になるために～2022年度申請版
学振特別研究員になるために～2022年度申請版Masahito Ohue
 
第43回分子生物学会年会フォーラム2F-11「インシリコ創薬を支える最先端情報科学」から抜粋したAlphaFold2の話
第43回分子生物学会年会フォーラム2F-11「インシリコ創薬を支える最先端情報科学」から抜粋したAlphaFold2の話第43回分子生物学会年会フォーラム2F-11「インシリコ創薬を支える最先端情報科学」から抜粋したAlphaFold2の話
第43回分子生物学会年会フォーラム2F-11「インシリコ創薬を支える最先端情報科学」から抜粋したAlphaFold2の話Masahito Ohue
 
Learning-to-rank for ligand-based virtual screening
Learning-to-rank for ligand-based virtual screeningLearning-to-rank for ligand-based virtual screening
Learning-to-rank for ligand-based virtual screeningMasahito Ohue
 
Parallelized pipeline for whole genome shotgun metagenomics with GHOSTZ-GPU a...
Parallelized pipeline for whole genome shotgun metagenomics with GHOSTZ-GPU a...Parallelized pipeline for whole genome shotgun metagenomics with GHOSTZ-GPU a...
Parallelized pipeline for whole genome shotgun metagenomics with GHOSTZ-GPU a...Masahito Ohue
 
Molecular Activity Prediction Using Graph Convolutional Deep Neural Network C...
Molecular Activity Prediction Using Graph Convolutional Deep Neural Network C...Molecular Activity Prediction Using Graph Convolutional Deep Neural Network C...
Molecular Activity Prediction Using Graph Convolutional Deep Neural Network C...Masahito Ohue
 
学振特別研究員になるために～2020年度申請版
学振特別研究員になるために～2020年度申請版学振特別研究員になるために～2020年度申請版
学振特別研究員になるために～2020年度申請版Masahito Ohue
 
出会い系タンパク質を探す旅
出会い系タンパク質を探す旅出会い系タンパク質を探す旅
出会い系タンパク質を探す旅Masahito Ohue
 
学振特別研究員になるために～2019年度申請版
学振特別研究員になるために～2019年度申請版学振特別研究員になるために～2019年度申請版
学振特別研究員になるために～2019年度申請版Masahito Ohue
 
Link Mining for Kernel-based Compound-Protein Interaction Predictions Using a...
Link Mining for Kernel-based Compound-Protein Interaction Predictions Using a...Link Mining for Kernel-based Compound-Protein Interaction Predictions Using a...
Link Mining for Kernel-based Compound-Protein Interaction Predictions Using a...Masahito Ohue
 
目バーチャルスクリーニング
目バーチャルスクリーニング目バーチャルスクリーニング
目バーチャルスクリーニングMasahito Ohue
 
Microsoft Azure上でのタンパク質間相互作用予測システムの並列計算と性能評価
Microsoft Azure上でのタンパク質間相互作用予測システムの並列計算と性能評価Microsoft Azure上でのタンパク質間相互作用予測システムの並列計算と性能評価
Microsoft Azure上でのタンパク質間相互作用予測システムの並列計算と性能評価Masahito Ohue
 
Protein-Protein Interaction Prediction
Protein-Protein Interaction PredictionProtein-Protein Interaction Prediction
Protein-Protein Interaction PredictionMasahito Ohue
 

Más de Masahito Ohue (15)

学振特別研究員になるために～2024年度申請版
学振特別研究員になるために～2024年度申請版 学振特別研究員になるために～2024年度申請版
学振特別研究員になるために～2024年度申請版
 
学振特別研究員になるために～2023年度申請版
学振特別研究員になるために～2023年度申請版学振特別研究員になるために～2023年度申請版
学振特別研究員になるために～2023年度申請版
 
学振特別研究員になるために～2022年度申請版
学振特別研究員になるために～2022年度申請版学振特別研究員になるために～2022年度申請版
学振特別研究員になるために～2022年度申請版
 
第43回分子生物学会年会フォーラム2F-11「インシリコ創薬を支える最先端情報科学」から抜粋したAlphaFold2の話
第43回分子生物学会年会フォーラム2F-11「インシリコ創薬を支える最先端情報科学」から抜粋したAlphaFold2の話第43回分子生物学会年会フォーラム2F-11「インシリコ創薬を支える最先端情報科学」から抜粋したAlphaFold2の話
第43回分子生物学会年会フォーラム2F-11「インシリコ創薬を支える最先端情報科学」から抜粋したAlphaFold2の話
 
Learning-to-rank for ligand-based virtual screening
Learning-to-rank for ligand-based virtual screeningLearning-to-rank for ligand-based virtual screening
Learning-to-rank for ligand-based virtual screening
 
Parallelized pipeline for whole genome shotgun metagenomics with GHOSTZ-GPU a...
Parallelized pipeline for whole genome shotgun metagenomics with GHOSTZ-GPU a...Parallelized pipeline for whole genome shotgun metagenomics with GHOSTZ-GPU a...
Parallelized pipeline for whole genome shotgun metagenomics with GHOSTZ-GPU a...
 
Molecular Activity Prediction Using Graph Convolutional Deep Neural Network C...
Molecular Activity Prediction Using Graph Convolutional Deep Neural Network C...Molecular Activity Prediction Using Graph Convolutional Deep Neural Network C...
Molecular Activity Prediction Using Graph Convolutional Deep Neural Network C...
 
学振特別研究員になるために～2020年度申請版
学振特別研究員になるために～2020年度申請版学振特別研究員になるために～2020年度申請版
学振特別研究員になるために～2020年度申請版
 
出会い系タンパク質を探す旅
出会い系タンパク質を探す旅出会い系タンパク質を探す旅
出会い系タンパク質を探す旅
 
学振特別研究員になるために～2019年度申請版
学振特別研究員になるために～2019年度申請版学振特別研究員になるために～2019年度申請版
学振特別研究員になるために～2019年度申請版
 
Link Mining for Kernel-based Compound-Protein Interaction Predictions Using a...
Link Mining for Kernel-based Compound-Protein Interaction Predictions Using a...Link Mining for Kernel-based Compound-Protein Interaction Predictions Using a...
Link Mining for Kernel-based Compound-Protein Interaction Predictions Using a...
 
目バーチャルスクリーニング
目バーチャルスクリーニング目バーチャルスクリーニング
目バーチャルスクリーニング
 
Microsoft Azure上でのタンパク質間相互作用予測システムの並列計算と性能評価
Microsoft Azure上でのタンパク質間相互作用予測システムの並列計算と性能評価Microsoft Azure上でのタンパク質間相互作用予測システムの並列計算と性能評価
Microsoft Azure上でのタンパク質間相互作用予測システムの並列計算と性能評価
 
Protein-Protein Interaction Prediction
Protein-Protein Interaction PredictionProtein-Protein Interaction Prediction
Protein-Protein Interaction Prediction
 
PRML Chapter 5
PRML Chapter 5PRML Chapter 5
PRML Chapter 5
 

IIBMP2014 Lightning Talk - MEGADOCK 4.0

  • 1. MEGADOCK 4.0 an ultra-high-performance protein-protein docking software for heterogeneous supercomputers 1T1-35 (G-06) 大上雅史，下田雄大，鈴木脩司，松崎由理，石田貴士，秋山泰（東工大・情報理工） I I B M P 2 0 1 4 タンパク質ドッキングを1日で100万ペア計算するよ^^ タンパク質ドッキングって何？ 2つのタンパク構造から複合体構造を予測する計算のこと なんで1日に100万ペア？ タンパク質間相互作用(PPI)ネットワークの予測や、アン サンブルドッキングとかに気軽に応用できるようにする ためには、そのくらい速い計算が必要なんだ。 へぇ、どうやってやるの？ GPUスパコンを使うよ
  • 2. MEGADOCK 4.0 大上雅史 MPI, OpenMP, and CUDA Hybrid Parallelization 東工大TSUBAME 2.5のGPU（1ノードあたり3枚）を全て活用 1ノードフル利用で 84倍高速化 (12CPUコアに対して9.4倍) 1T1-35 (G-06) 世界第13位(2.8 PetaFlops) 17,984 CPUコア，4,258 GPU 1ノード：12CPUコア＋3GPU 並列化効率 強スケーリング 97%以上を達成 単一ノードでのGPUによる高速化 複数ノードでの並列化効率
  • 3. MEGADOCK 4.0 大上雅史1T1-35 (G-06) で、結局100万ペアのドッキングは何時間でできたの？ 論文Open Access! ツールOpen Source! www.bi.cs.titech.ac.jp/megadock ノートPCからTSUBAMEまで! I I B M P 2 0 1 4 TSUBAME 2.5の420ノード利用でおよそ12時間だったよ Binding Partner Recognition Test Chemotaxis Pathway Analysis Human Apoptosis Pathway Analysis