Enviar búsqueda
Cargar
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
•
1 recomendación
•
1,861 vistas
Masahito Ohue
Seguir
情報処理学会 第49回バイオ情報学研究会 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 大上 雅史(東京工業大学)
Leer menos
Leer más
Ingeniería
Denunciar
Compartir
Denunciar
Compartir
1 de 13
Descargar ahora
Descargar para leer sin conexión
Recomendados
Iugonet 20100816 system
Iugonet 20100816 system
Yukinobu Koyama
Junnosuke Mizutani Bachelor Thesis
Junnosuke Mizutani Bachelor Thesis
pflab
OpenStack Updates
OpenStack Updates
Masanori Itoh
Cho Bachelor Thesis
Cho Bachelor Thesis
pflab
Hidehito Yabuuchi Bachelor Thesis
Hidehito Yabuuchi Bachelor Thesis
pflab
Takahashi Bachelor thesis
Takahashi Bachelor thesis
pflab
学生からみた松江高専生とOpenStackで遊んだお話
学生からみた松江高専生とOpenStackで遊んだお話
Toru Komatsu
[量子コンピューター勉強会資料] マヨラナ粒子によるスケーラブルな量子コンピューターの設計
[量子コンピューター勉強会資料] マヨラナ粒子によるスケーラブルな量子コンピューターの設計
Takayoshi Tanaka
Recomendados
Iugonet 20100816 system
Iugonet 20100816 system
Yukinobu Koyama
Junnosuke Mizutani Bachelor Thesis
Junnosuke Mizutani Bachelor Thesis
pflab
OpenStack Updates
OpenStack Updates
Masanori Itoh
Cho Bachelor Thesis
Cho Bachelor Thesis
pflab
Hidehito Yabuuchi Bachelor Thesis
Hidehito Yabuuchi Bachelor Thesis
pflab
Takahashi Bachelor thesis
Takahashi Bachelor thesis
pflab
学生からみた松江高専生とOpenStackで遊んだお話
学生からみた松江高専生とOpenStackで遊んだお話
Toru Komatsu
[量子コンピューター勉強会資料] マヨラナ粒子によるスケーラブルな量子コンピューターの設計
[量子コンピューター勉強会資料] マヨラナ粒子によるスケーラブルな量子コンピューターの設計
Takayoshi Tanaka
自作プライベートクラウド研究会 OpenStackアップデート
自作プライベートクラウド研究会 OpenStackアップデート
Masanori Itoh
Awamoto master thesis
Awamoto master thesis
pflab
[DL Hacks] Objects as Points
[DL Hacks] Objects as Points
Deep Learning JP
OpenStack Summit Vancouver 2018 Nova最新動向
OpenStack Summit Vancouver 2018 Nova最新動向
Takashi Natsume
WebDB Forum 2016 gunosy
WebDB Forum 2016 gunosy
Hiroaki Kudo
Iugonet 20100916
Iugonet 20100916
Yukinobu Koyama
Osc2012 TokyoSpring OpenStack Abstract
Osc2012 TokyoSpring OpenStack Abstract
Ayumi Oka
MateriApps: OpenMXを利用した第一原理計算の簡単な実習
MateriApps: OpenMXを利用した第一原理計算の簡単な実習
Computational Materials Science Initiative
バッチ高速化のあゆみ
バッチ高速化のあゆみ
dcubeio
OpenStack概要(オープンクラウド最新動向)
OpenStack概要(オープンクラウド最新動向)
Akira Yoshiyama
Jubakit の紹介
Jubakit の紹介
kmaehashi
Ubuntu Offline Meeting 2013.05 Tokyo
Ubuntu Offline Meeting 2013.05 Tokyo
Masanori Itoh
輪読資料 Xception: Deep Learning with Depthwise Separable Convolutions
輪読資料 Xception: Deep Learning with Depthwise Separable Convolutions
Kotaro Asami
“速度情報を組み込んだロードマップの提案 ”を読んで
“速度情報を組み込んだロードマップの提案 ”を読んで
Adachi (OEI)
OpenStack Abstract @osc2012kyoto
OpenStack Abstract @osc2012kyoto
Ayumi Oka
SIGMOD'10勉強会 -Session 8-
SIGMOD'10勉強会 -Session 8-
Takeshi Yamamuro
Jubaanomalyについて
Jubaanomalyについて
JubatusOfficial
Jubatus 1.0 の紹介
Jubatus 1.0 の紹介
JubatusOfficial
RDOで体験! OpenStackの基本機能
RDOで体験! OpenStackの基本機能
Etsuji Nakai
ChainerMNについて
ChainerMNについて
Shuji Suzuki
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
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
Más contenido relacionado
La actualidad más candente
自作プライベートクラウド研究会 OpenStackアップデート
自作プライベートクラウド研究会 OpenStackアップデート
Masanori Itoh
Awamoto master thesis
Awamoto master thesis
pflab
[DL Hacks] Objects as Points
[DL Hacks] Objects as Points
Deep Learning JP
OpenStack Summit Vancouver 2018 Nova最新動向
OpenStack Summit Vancouver 2018 Nova最新動向
Takashi Natsume
WebDB Forum 2016 gunosy
WebDB Forum 2016 gunosy
Hiroaki Kudo
Iugonet 20100916
Iugonet 20100916
Yukinobu Koyama
Osc2012 TokyoSpring OpenStack Abstract
Osc2012 TokyoSpring OpenStack Abstract
Ayumi Oka
MateriApps: OpenMXを利用した第一原理計算の簡単な実習
MateriApps: OpenMXを利用した第一原理計算の簡単な実習
Computational Materials Science Initiative
バッチ高速化のあゆみ
バッチ高速化のあゆみ
dcubeio
OpenStack概要(オープンクラウド最新動向)
OpenStack概要(オープンクラウド最新動向)
Akira Yoshiyama
Jubakit の紹介
Jubakit の紹介
kmaehashi
Ubuntu Offline Meeting 2013.05 Tokyo
Ubuntu Offline Meeting 2013.05 Tokyo
Masanori Itoh
輪読資料 Xception: Deep Learning with Depthwise Separable Convolutions
輪読資料 Xception: Deep Learning with Depthwise Separable Convolutions
Kotaro Asami
“速度情報を組み込んだロードマップの提案 ”を読んで
“速度情報を組み込んだロードマップの提案 ”を読んで
Adachi (OEI)
OpenStack Abstract @osc2012kyoto
OpenStack Abstract @osc2012kyoto
Ayumi Oka
SIGMOD'10勉強会 -Session 8-
SIGMOD'10勉強会 -Session 8-
Takeshi Yamamuro
Jubaanomalyについて
Jubaanomalyについて
JubatusOfficial
Jubatus 1.0 の紹介
Jubatus 1.0 の紹介
JubatusOfficial
RDOで体験! OpenStackの基本機能
RDOで体験! OpenStackの基本機能
Etsuji Nakai
ChainerMNについて
ChainerMNについて
Shuji Suzuki
La actualidad más candente
(20)
自作プライベートクラウド研究会 OpenStackアップデート
自作プライベートクラウド研究会 OpenStackアップデート
Awamoto master thesis
Awamoto master thesis
[DL Hacks] Objects as Points
[DL Hacks] Objects as Points
OpenStack Summit Vancouver 2018 Nova最新動向
OpenStack Summit Vancouver 2018 Nova最新動向
WebDB Forum 2016 gunosy
WebDB Forum 2016 gunosy
Iugonet 20100916
Iugonet 20100916
Osc2012 TokyoSpring OpenStack Abstract
Osc2012 TokyoSpring OpenStack Abstract
MateriApps: OpenMXを利用した第一原理計算の簡単な実習
MateriApps: OpenMXを利用した第一原理計算の簡単な実習
バッチ高速化のあゆみ
バッチ高速化のあゆみ
OpenStack概要(オープンクラウド最新動向)
OpenStack概要(オープンクラウド最新動向)
Jubakit の紹介
Jubakit の紹介
Ubuntu Offline Meeting 2013.05 Tokyo
Ubuntu Offline Meeting 2013.05 Tokyo
輪読資料 Xception: Deep Learning with Depthwise Separable Convolutions
輪読資料 Xception: Deep Learning with Depthwise Separable Convolutions
“速度情報を組み込んだロードマップの提案 ”を読んで
“速度情報を組み込んだロードマップの提案 ”を読んで
OpenStack Abstract @osc2012kyoto
OpenStack Abstract @osc2012kyoto
SIGMOD'10勉強会 -Session 8-
SIGMOD'10勉強会 -Session 8-
Jubaanomalyについて
Jubaanomalyについて
Jubatus 1.0 の紹介
Jubatus 1.0 の紹介
RDOで体験! OpenStackの基本機能
RDOで体験! OpenStackの基本機能
ChainerMNについて
ChainerMNについて
Destacado
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
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
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~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
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
Sistema educativo indígena propio seip La Guajira
Sistema educativo indígena propio seip La Guajira
Mauricio Enrique Ramirez Alvarez
Wielding the Hard and Soft Science of Service Design
Wielding the Hard and Soft Science of Service Design
brandonschauer
Eva Peron Evita,Libro De Lectura Para 1er Grado Inferior
Eva Peron Evita,Libro De Lectura Para 1er Grado Inferior
cristiandadypatria
Influence of Magnetic Flux Controllers on Induction Heating Systems
Influence of Magnetic Flux Controllers on Induction Heating Systems
Fluxtrol Inc.
Deep Learning による視覚×言語融合の最前線
Deep Learning による視覚×言語融合の最前線
Yoshitaka Ushiku
Portrait of a lady
Portrait of a lady
Makala (D)
結果を出すチームビルディング術
結果を出すチームビルディング術
Mao Ohnishi
HPC Top 5 Stories: March 22, 2017
HPC Top 5 Stories: March 22, 2017
NVIDIA
Pythonの処理系はどのように実装され,どのように動いているのか? 我々はその実態を調査すべくアマゾンへと飛んだ.
Pythonの処理系はどのように実装され,どのように動いているのか? 我々はその実態を調査すべくアマゾンへと飛んだ.
kiki utagawa
Problemas De La Globalización
Problemas De La Globalización
Mpps :)
見やすいプレゼン資料の作り方 - リニューアル増量版
見やすいプレゼン資料の作り方 - リニューアル増量版
MOCKS | Yuta Morishige
Payments Trends 2017
Payments Trends 2017
Capgemini
Infographic: Medicare Marketing: Direct Mail: Still The #1 Influencer For Tho...
Infographic: Medicare Marketing: Direct Mail: Still The #1 Influencer For Tho...
Scott Levine
The Marketer's Guide To Customer Interviews
The Marketer's Guide To Customer Interviews
Good Funnel
The Be-All, End-All List of Small Business Tax Deductions
The Be-All, End-All List of Small Business Tax Deductions
Wagepoint
Destacado
(20)
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
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
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~[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]
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)
Sistema educativo indígena propio seip La Guajira
Sistema educativo indígena propio seip La Guajira
Wielding the Hard and Soft Science of Service Design
Wielding the Hard and Soft Science of Service Design
Eva Peron Evita,Libro De Lectura Para 1er Grado Inferior
Eva Peron Evita,Libro De Lectura Para 1er Grado Inferior
Influence of Magnetic Flux Controllers on Induction Heating Systems
Influence of Magnetic Flux Controllers on Induction Heating Systems
Deep Learning による視覚×言語融合の最前線
Deep Learning による視覚×言語融合の最前線
Portrait of a lady
Portrait of a lady
結果を出すチームビルディング術
結果を出すチームビルディング術
HPC Top 5 Stories: March 22, 2017
HPC Top 5 Stories: March 22, 2017
Pythonの処理系はどのように実装され,どのように動いているのか? 我々はその実態を調査すべくアマゾンへと飛んだ.
Pythonの処理系はどのように実装され,どのように動いているのか? 我々はその実態を調査すべくアマゾンへと飛んだ.
Problemas De La Globalización
Problemas De La Globalización
見やすいプレゼン資料の作り方 - リニューアル増量版
見やすいプレゼン資料の作り方 - リニューアル増量版
Payments Trends 2017
Payments Trends 2017
Infographic: Medicare Marketing: Direct Mail: Still The #1 Influencer For Tho...
Infographic: Medicare Marketing: Direct Mail: Still The #1 Influencer For Tho...
The Marketer's Guide To Customer Interviews
The Marketer's Guide To Customer Interviews
The Be-All, End-All List of Small Business Tax Deductions
The Be-All, End-All List of Small Business Tax Deductions
Similar a 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
SoCC12報告
SoCC12報告
Hirotaka Ogawa
電子動力学アプリケーションの最適化2
電子動力学アプリケーションの最適化2
RCCSRENKEI
Trainable Calibration Measures for Neural Networks from Kernel Mean Embeddings
Trainable Calibration Measures for Neural Networks from Kernel Mean Embeddings
harmonylab
CNNの構造最適化手法(第3回3D勉強会)
CNNの構造最適化手法(第3回3D勉強会)
MasanoriSuganuma
Matlantis™のニューラルネットワークポテンシャルPFPの適用範囲拡張
Matlantis™のニューラルネットワークポテンシャルPFPの適用範囲拡張
Preferred Networks
Top-K Off-Policy Correction for a REINFORCE Recommender System
Top-K Off-Policy Correction for a REINFORCE Recommender System
harmonylab
20180723 PFNの研究基盤 / PFN research system infrastructure
20180723 PFNの研究基盤 / PFN research system infrastructure
Preferred Networks
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
[DDBJ Challenge 2016] 遺伝研スーパーコンピュータのビッグデータ解析環境
[DDBJ Challenge 2016] 遺伝研スーパーコンピュータのビッグデータ解析環境
DNA Data Bank of Japan center
FastDepth: Fast Monocular Depth Estimation on Embedded Systems
FastDepth: Fast Monocular Depth Estimation on Embedded Systems
harmonylab
20180729 Preferred Networksの機械学習クラスタを支える技術
20180729 Preferred Networksの機械学習クラスタを支える技術
Preferred Networks
NeurIPS2019参加報告
NeurIPS2019参加報告
Masanari Kimura
ChainerMNが即座に使える環境を提供するXTREME DNA HPC Cloud
ChainerMNが即座に使える環境を提供するXTREME DNA HPC Cloud
Hirono Jumpei
20171128分散深層学習とChainerMNについて
20171128分散深層学習とChainerMNについて
Preferred Networks
[2016-12-01] DDBJデータ解析チャレンジ報告:機械学習コンペティションのタスク設計とルール設定
[2016-12-01] DDBJデータ解析チャレンジ報告:機械学習コンペティションのタスク設計とルール設定
Eli Kaminuma
VLDB'10勉強会 -Session 2-
VLDB'10勉強会 -Session 2-
Takeshi Yamamuro
[2016-06-06] CrowdR&D:クラウド協働評価のための参加型R&Dプロジェクト情報統合基盤
[2016-06-06] CrowdR&D:クラウド協働評価のための参加型R&Dプロジェクト情報統合基盤
Eli Kaminuma
論文紹介:Tracking Anything with Decoupled Video Segmentation
論文紹介:Tracking Anything with Decoupled Video Segmentation
Toru Tamaki
深層学習 環境構築 Azure
深層学習 環境構築 Azure
Yuki Hattori
StreamGraph
StreamGraph
Altech Takeno
Similar a 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
(20)
SoCC12報告
SoCC12報告
電子動力学アプリケーションの最適化2
電子動力学アプリケーションの最適化2
Trainable Calibration Measures for Neural Networks from Kernel Mean Embeddings
Trainable Calibration Measures for Neural Networks from Kernel Mean Embeddings
CNNの構造最適化手法(第3回3D勉強会)
CNNの構造最適化手法(第3回3D勉強会)
Matlantis™のニューラルネットワークポテンシャルPFPの適用範囲拡張
Matlantis™のニューラルネットワークポテンシャルPFPの適用範囲拡張
Top-K Off-Policy Correction for a REINFORCE Recommender System
Top-K Off-Policy Correction for a REINFORCE Recommender System
20180723 PFNの研究基盤 / PFN research system infrastructure
20180723 PFNの研究基盤 / PFN research system infrastructure
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
[DDBJ Challenge 2016] 遺伝研スーパーコンピュータのビッグデータ解析環境
[DDBJ Challenge 2016] 遺伝研スーパーコンピュータのビッグデータ解析環境
FastDepth: Fast Monocular Depth Estimation on Embedded Systems
FastDepth: Fast Monocular Depth Estimation on Embedded Systems
20180729 Preferred Networksの機械学習クラスタを支える技術
20180729 Preferred Networksの機械学習クラスタを支える技術
NeurIPS2019参加報告
NeurIPS2019参加報告
ChainerMNが即座に使える環境を提供するXTREME DNA HPC Cloud
ChainerMNが即座に使える環境を提供するXTREME DNA HPC Cloud
20171128分散深層学習とChainerMNについて
20171128分散深層学習とChainerMNについて
[2016-12-01] DDBJデータ解析チャレンジ報告:機械学習コンペティションのタスク設計とルール設定
[2016-12-01] DDBJデータ解析チャレンジ報告:機械学習コンペティションのタスク設計とルール設定
VLDB'10勉強会 -Session 2-
VLDB'10勉強会 -Session 2-
[2016-06-06] CrowdR&D:クラウド協働評価のための参加型R&Dプロジェクト情報統合基盤
[2016-06-06] CrowdR&D:クラウド協働評価のための参加型R&Dプロジェクト情報統合基盤
論文紹介:Tracking Anything with Decoupled Video Segmentation
論文紹介:Tracking Anything with Decoupled Video Segmentation
深層学習 環境構築 Azure
深層学習 環境構築 Azure
StreamGraph
StreamGraph
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
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
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
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
Masahito Ohue
Learning-to-rank for ligand-based virtual screening
Learning-to-rank for ligand-based virtual screening
Masahito Ohue
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...
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
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
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
Masahito Ohue
Link Mining for Kernel-based Compound-Protein Interaction Predictions Using a...
Link Mining for Kernel-based Compound-Protein Interaction Predictions Using a...
Masahito Ohue
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
ISMB/ECCB2015読み会:大上
ISMB/ECCB2015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
IIBMP2014 Lightning Talk - MEGADOCK 4.0
IIBMP2014 Lightning Talk - MEGADOCK 4.0
Masahito Ohue
PrePPI: structure-based protein-protein interaction prediction
PrePPI: structure-based protein-protein interaction prediction
Masahito Ohue
Protein-protein docking-based virtual screening
Protein-protein docking-based virtual screening
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...
Masahito Ohue
PRML Chapter 14
PRML Chapter 14
Masahito Ohue
W8PRML5.1-5.3
W8PRML5.1-5.3
Masahito Ohue
Más de Masahito Ohue
(20)
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~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
Learning-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...
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
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
Link Mining for Kernel-based Compound-Protein Interaction Predictions Using a...
Link Mining for Kernel-based Compound-Protein Interaction Predictions Using a...
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)
ISMB/ECCB2015読み会:大上
ISMB/ECCB2015読み会:大上
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]
IIBMP2014 Lightning Talk - MEGADOCK 4.0
IIBMP2014 Lightning Talk - MEGADOCK 4.0
PrePPI: structure-based protein-protein interaction prediction
PrePPI: structure-based protein-protein interaction prediction
Protein-protein docking-based virtual screening
Protein-protein docking-based virtual screening
Protein-Protein Interaction Prediction Based on Template-Based and de Novo Do...
Protein-Protein Interaction Prediction Based on Template-Based and de Novo Do...
PRML Chapter 14
PRML Chapter 14
W8PRML5.1-5.3
W8PRML5.1-5.3
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
1.
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 1 東京工業大学
情報理工学院 情報工学系 2 東京工業大学 情報生命博士教育院 情報処理学会 第49回バイオ情報学研究会 (4) 2017年3月23日(木) 於 北陸先端科学技術大学院大学 大上 雅史1 山本 悠生1,2 秋山 泰1,2
2.
• パブリッククラウド – 利点 •
利用料金を払えば誰でも利用可能、運用はアウトソース • 環境や資源を共有するしくみが充実 • 計算資源の増減が簡単 パブリッククラウドの普及 2017/3/23 49 (4)第 回バイオ情報学研究会 大上雅史 2
3.
パブリッククラウド上での並列計算の例 2017/3/23 49 (4)第
回バイオ情報学研究会 大上雅史 • タンパク質の類似構造検索タスク。 • Searcher role 6台まで、ほぼリニアに高速化。 • Searcher role 8台超で性能低下するも、 18台でも約89%の効率。 Searcher roleの数 Speedup Mrozek D, et al. Cloud4Psi: cloud computing for 3D protein structure similarity searching. Bioinformatics 2014, 30: 2822-2825. Fig. 1 Fig. 2(a) 3 仮想マシン (VM)
4.
タンパク質間相互作用予測ソフトウェア MEGADOCK • MEGADOCK –
入力された2つのタンパク質立体構造に対し、相互作用の有無を予測 – 剛体モデルを組合せて評価値の良い複合体構造をサンプリングし、 それらの評価値に基づいて予測 – 計算の大部分(約80%)はFFT (高速フーリエ変換) 2017/3/23 49 (4)第 回バイオ情報学研究会 大上雅史 0.2% 0.1% 6.9% 37.5% 14.7% 38.4% 2.2% Receptor ボクセル化 Receptor FFT Ligand ボクセル化 Ligand FFT 複素畳込み 逆FFT その他 4 Ohue M, et al. Bioinformatics, 30 (2014), Ohue M, et al. Prot Pept Lett, 21 (2014)
5.
MEGADOCKのコアの部分 2017/3/23 49 (4)第
回バイオ情報学研究会 大上雅史 タンパク質が結合したときの評価値を高速に評価 5 Katzhalski-Katzir E, et al. Proc Natl Acad Sci (1992), 89(6): 2195–2199.
6.
本研究の目的 • Microsoft Azure上でMEGADOCKの並列計算を実施 –
Azure上の複数のVMを用い、MPIによって計算を並列実行 – 数十VM規模での性能を計測 – 特に、GPU付きVMに注目 2017/3/23 49 (4)第 回バイオ情報学研究会 大上雅史 6 Instance CPU GPU(*) RAM Network 価格 NC24 24コア Tesla K80 x 4 1,440 GB 440.65円/h NC24r 24コア Tesla K80 x 4 1,440 GB RDMA (InfiniBand) 484.71円/h DS14 16コア なし 112 GB 141.48円/h A9 16コア なし 112 GB RDMA (InfiniBand) 197.06円/h H16 16コア なし 112 GB 178.50円/h H16r 16コア なし 112 GB RDMA (InfiniBand) 195.84円/h Azureの代表的なインスタンス(VMの種類) (*)ただし、物理的にはK80が2枚。 (K80は1枚の中に2つのGPUチップを含む)
7.
• MEGADOCKは既にGPUクラスタ向け並列化が実装済 – プロセス単位でMasterとWorkerに資源を割り当て –
Masterがタンパク質ペアをWorkerに渡し、Workerが計算 – GPUはWorkerが使用 マルチGPUノード並列 2017/3/23 49 (4)第 回バイオ情報学研究会 大上雅史 Ohue M, Shimoda T, Suzuki S, Ishida T, Akiyama Y. Bioinformatics, 30(22): 2014. 7
8.
Azureへの実装 2017/3/23 49 (4)第
回バイオ情報学研究会 大上雅史 Azure上のシステム構成 概要 • Masterプロセス(1つ)が タンパク質ペアをWorkerに割り当て。 • 各VMのWorkerプロセスが 割り当てられたペアの予測計算を実施。 8
9.
並列化粒度 2017/3/23 49 (4)第
回バイオ情報学研究会 大上雅史 VM 1 VM 2 VM 3 VM n 9 • プロセス並列とスレッド並列の粒度を決める – これまでのクラスタ上での実装の場合、 主にメモリ制限のため、各ノード・1プロセスとしていた。 – 最近のクラウドのVMはメモリが豊富。 – (今回対象の)GPUインスタンスはGPUチップが4枚/VM → 本研究では、各VM 4プロセスずつ割り当てた。
10.
評価実験 • データセット – ZDOCK
Docking Benchmark 1.0 の 59タンパク質ペアの相手を入れ替えた全組み合わせ → 59×59 = 3,481件の予測計算 • 使用インスタンス • VM内の実行プロセス – 各VMに4プロセス – Masterを1つ立てる – Worker: 6 CPUコア+1 GPU 2017/3/23 49 (4)第 回バイオ情報学研究会 大上雅史 Instance CPU GPU(*) RAM Network 価格 NC24 24コア Tesla K80 x 4 1,440 GB 440.65円/h NC24r 24コア Tesla K80 x 4 1,440 GB RDMA (InfiniBand) 484.71円/h (Chen R, Proteins 47, 2002) (*)ただし、物理的にはK80が2枚。 (K80は1枚の中に2つのGPUチップを含む) 10
11.
GPUインスタンスでの測定結果 2017/3/23 49 (4)第
回バイオ情報学研究会 大上雅史 0 50 100 150 200 250 300 350 Speedup(#pair/min) NC24r 測定値 NC24 測定値 0 5 10 15 20 25 0 120 240 360 480 600 0 20 40 60 80 100 #Virtual Machines #CPU cores #Tesla K80 GPUs NC24 CPUのみ NC24r CPUのみ ● ● 3.8倍の高速化 Strong scaling = 89% (対#VM=5値) #VM=22 #VM=20 #VM=10 #VM=5 (NC24 CPU→GPU) 11 ※マイクロソフトのクオータコア制限のため、最大22VMまで測定。 ・89%の並列化効率(強スケーリング)を達成 ・GPUを使わずに計算した場合に比べて3.8倍高速
12.
GPUの効果 • GPUインスタンスの費用対効果 2017/3/23 49
(4)第 回バイオ情報学研究会 大上雅史 Instance CPU GPU Network 価格 NC24 E5-2690v3 24コア Tesla K80 x 4 440.65円/h NC24r E5-2690v3 24コア Tesla K80 x 4 RDMA (InfiniBand) 484.71円/h A9 E5-2670 16コア なし RDMA (InfiniBand) 197.06円/h NC24rとA9を比較 ・A9を1.5倍して、24コア→295.59円/hと見積もり。 ・NC24r 484.71円/h ÷ 295.59円/h ≒ 1.64 →GPUによる高速化率が1.64倍以上ならば、GPUインスタンスが 得。 今回の場合、GPU利用時で3.8倍高速だったので、 MEGADOCKにおいてはGPUインスタンスの利用が推奨される。 12
13.
まとめ • MEGADOCKをAzure上に移植、AzureのGPUインスタンス を用いた並列実行を実施し、その性能を評価した。 – 89%の並列化効率
(NC24, 5 VM → 22 VM) – GPUによる3.8倍の高速化 (NC24, CPU → CPU+GPU) – InfiniBandはMEGADOCKの計算にはほとんど寄与しない – クオータコア制限が41 VMまで緩和されたので、今後測定を実施 – コンテナ型仮想化技術を用いた場合の検証も今後の課題 • 謝辞 – JSPS科研費 (24240044, 15K16081) – JST CREST (Extreme Big Dataプロジェクト) – JSTリサーチコンプレックス推進プログラム 川崎市殿町拠点 – Microsoft Business Investment Funding – ㈱リバネス 第30回リバネス研究費 (日本マイクロソフト賞) 2017/3/23 49 (4)第 回バイオ情報学研究会 大上雅史 13 (3) 15:50-16:15 コンテナ型仮想化による分散計算環境におけるタンパク質間相互作用予測システムの性能評価 青山 健人、山本 悠生、大上 雅史、秋山 泰
Descargar ahora