<img height="1" width="1" style="display:none" src="https://www.facebook.com/tr?id=145304570664993&amp;ev=PageView&amp;noscript=1">

Dec 20, 2021 \ Drug Discovery, Scientific Research

현미경으로 본 세상: 그래프코어 IPU, DP Technology의 분자동역학 시뮬레이션 플랫폼 지원

작성자

Jiang Zhu

약품 개발, 신소재 설계 및 과학 연구를 위한 분자동역학 시뮬레이션 분야의 선도 기업인 DP Technology가 화려한 수상 이력에 빛나는 자사의 시뮬레이션 플랫폼과 소프트웨어를 그래프코어 IPU에서 활용할 수 있다고 밝혔습니다.
약품 개발부터 소재 설계까지 다방면의 혁신을 지원하는 학문인 분자동역학은 HPC와 AI의 융합을 필요로 하는 응용 분야에 그래프코어의 IPU(지능처리장치)를 활용하는 최신 업종 중 하나입니다.

DP Technology는 전통적인 접근법에 비해 더욱 높은 정확도 및 규모로 더욱 빠르게 분자동역학을 시뮬레이션할 수 있는 획기적인 오픈소스 시스템인 DeePMD 키트를 그래프코어 IPU와 Poplar SDK에 맞춤화했습니다.

이로 인해 AI가 해당 업종을 혁신하기 시작하는 바로 이 시점에 분자동역학 분야에서 새로운 컴퓨팅 성능을 활용할 수 있는 가능성이 열리고 있습니다.

또한 그래프코어와 DP Technology는 분자동역학 분야에서 더욱 다양하게 IPU를 활용할 수 있는 방안을 모색하기 위해 협력할 것을 약속했습니다.

DP Technology의 수석 과학자 Zhang Linfeng은 말했습니다. “저희는 그래프코어의 IPU 하드웨어와 관련 Poplar SDK 환경이 분자동역학 시뮬레이션에 매우 적합하다는 사실을 입증했습니다. 이번 IPU로의 성공적인 마이그레이션은 시작일 뿐입니다.

IPU는 IPU 및 Poplar의 아키텍처와 DeePMD 키트 방법론 알고리즘 모두에서 명백한 이점을 보여 주고 있으며, 향후의 잠재력 또한 기대됩니다.

DP Technology는 앞으로도 그래프코어와 긴밀하게 협력하여 하드웨어 및 소프트웨어 알고리즘, 적용, 콜라보를 통해 DeepModeling 오픈소스 커뮤니티의 발전을 더욱 장려할 것입니다.”

강력한 통합

DP Technology 팀이 그래프코어 IPU 시스템을 선택한 이유는 IPU의 섬세하고 강력한 병렬성을 지닌 MIMD 아키텍처가 분자동역학 시뮬레이션 워크로드에 특히 적합하며, 그래프코어 Poplar SDK가 성숙하고 사용이 간편하기 때문입니다.

DP Technology의 알고리즘 연구원 Lu Denghui는 IPU로의 전환이 매우 간단했다며 다음과 같이 밝혔습니다. “그래프코어와 함께 프레임워크와 알고리즘을 맞춤형으로 최적화하면서 DeePMD 키트를 IPU로 마이그레이션할 수 있었습니다.

전체 마이그레이션 프로세스는 매우 성공적이었습니다. DeePMD의 모든 함수가 IPU 하드웨어에서 잘 작동하며, 성능도 향상되었죠.

DeePMD 키트의 알고리즘 작업을 GPU에서 IPU로 이전하는 과정은 엔지니어가 프로그래밍 언어를 C++에서 Python으로 전환하는 것과 같아요. 이 프로세스는 정말 대단합니다.”

균형 잡힌 솔루션

분자동역학의 목표는 원자와 분자의 움직임과 상호작용을 시뮬레이션하고 이해하는 것입니다. 이는 물리학, 화학, 생물학, 재료과학 등 거의 모든 과학 분야에 걸친 노력을 필요로 합니다.

분자동역학의 한 가지 골자는 원자 및 분자 시스템의 퍼텐셜 에너지 표면(PES)을 나타내는 것입니다. 예를 들어 화학 반응에서 원자 또는 원자 집합이 어떻게 행동하는지는 PES의 본질에 따라 달라집니다.

오랜 기간 동안 전통적인 분자동역학 분야는 퍼텐셜 에너지 함수를 구성하는 주요 방법 두 가지와 관련하여 어려움을 겪었습니다. 한 방법은 신속하지만 정확도가 낮으며, 또 다른 방법은 정확도가 높지만 느리기 때문입니다.

경험 퍼텐셜은 많은 경우 실험 데이터에서 도출된 수학 함수를 사용하여 원자 시스템의 상대적 위치 및 여러 다른 변수에 기반해 해당 원자 시스템의 퍼텐셜 에너지를 설명합니다. 이 방법은 상대적으로 큰 원자 시스템을 모델링하는 경우 사용할 수 있으나, 정확도와 이동성에 있어 여러 제약이 존재합니다.

양자 역학 모델링은 실험 데이터 없이 양자 이론에 기반해 원자의 행동을 예측함으로써 소재의 속성을 예측할 수 있습니다. 이 방법은 높은 정확도를 자랑하나 매우 까다로운 연산이 요구되어 보통 경험 퍼텐셜보다 작은 시스템을 설명하는 데 그칩니다.

DP Technology와 오픈소스 DeePMD 키트는 모두 회사 설립자들이 프린스턴 대학교에서 수행했던 연구를 기반으로 탄생했습니다. 자세한 내용은 심층 퍼텐셜: 다체 퍼텐셜 에너지 표면의 일반적인 표현에서 확인할 수 있습니다.

DP Technology와 DeePMD 키트는 PES 모델링에 심층 신경망을 적용하는 완전히 새로운 접근법을 채택했습니다. 그 결과, ‘경험 퍼텐셜과 비견할 만한 연산 비용 및 양자 역학 모델과 비견할 만한 정확도로’ 분자 시뮬레이션을 수행할 수 있어 양쪽의 장점을 고루 갖춘 솔루션을 고안했습니다.

DeePMD 키트는 고성능 연산 부문에서 이룬 탁월한 성과를 인정받아 2020 Gordon Bell Prize를 수상했습니다.

자유롭게 테스트 가능

IPU용 DeePMD 키트는 GitHub에서 사용할 수 있는 오픈소스입니다. 그래프코어는 연구자가 보다 쉽게 시작할 수 있도록 TensorFlow를 사용한 간단한 물 분자 시뮬레이션 활용 예시가 포함된 DeePMD 키트 IPU 구현에 대한 기술적 심층 탐구를 작성했습니다.

자세히 알아보거나 그래프코어의 AI 전문가와의 전화 상담을 예약하려면 문의하세요.

게시물 더 보기

×