W ramach grantu na rozbudowę sprzętu komputerowego Wydziału Farmaceutycznego UJ CM zakupiono:

Procesory firmy Intel i AMD:
– 1x Intel Xeon E5-2660v4 – 14 rdzeni (28 wątków obliczeniowych)
– 2x AMD Threadripper 3970X – 64 rdzenie (128 wątków obliczeniowych)

Pamięć operacyjną DDR4

Dyski twarde talerzowe o pojemności 12 TB oraz SSD o pojemności do 960 GB

2 karty grafiki Nvidia Quadro P2200

Zasilacze, systemy chłodzenia procesorów, płyty główne dla procesorów AMD

Zakupiony sprzęt posłużył do rozbudowy i unowocześnienia trzech stacji roboczych. W jednej stacji roboczej zamontowano procesor Intel Xeon E5-2660v4 jako drugi CPU i rozbudowano pamięć RAM do maksymalnej wielkości ponad 250 GB. Tym samym wydajność obliczeniowa została podniesiona o 100% dzięki obecności kolejnych 28 wątków obliczeniowych.

Kolejne dwie stacje robocze zostały gruntownie przebudowane i unowocześnione. W miejsce procesorów Intel Xeon E5506 z roku 2010 zastosowano procesory AMD Threadripper 3970X z roku 2020. Modernizowane stacje robocze posiadały po 2 CPU Intel Xeon E5506 które w sumarycznym wyniku testu PassMark osiągały 3613 podczas gdy procesor AMD osiąga w tym samym teście wynik 64155 co daje zwiększenie mocy obliczeniowej o ok. 1600%.

Dodatkowo modernizowane stacje robocze wyposażono w profesjonalne karty grafiki NVIDIA Quadro P2200 które przejmują ciężar obliczeń dla wyspecjalizowanego oprogramowania jak np. niektórych algorytmów pakietu H2O AutoML. Każda karta grafiki oferuje maksymalną teoretyczną moc obliczeniową w Passmark G3D Mark na poziomie 9761 punktów.

Sprzęt wykorzystywany jest do obliczeń i symulacji komputerowych stosowanych w pracach nad odkrywaniem i rozwojem nowych leków w tym m.in.:

• modelowanie QSAR dla substancji o aktywności na układ serotoninergiczny
• optymalizacja składu i identyfikacja mechanizmów procesów uwalniania substancji leczniczych ze stałych postaci leku
• korelacja (IVIVC/IVIVR) i ekstrapolacja in vitro in vivo (IVIVE)
• ocena in silico potencjalnej kardiotoksyczności substancji chemicznych

Do powyższych prac wykorzystywane są techniki modelowania molekularnego (ab initio, DFT), uczenia maszynowego (sztuczne sieci neuronowe, drzewa decyzyjne, programowanie genetyczne) oraz modelowania statystycznego (regresja, klasyfikacja). Wszystkie maszyny pracują pod systemami Linux OpenSUSE Tumbleweed z zainstalowanym autorskim systemem kolejkowania, rozpraszania i analizy wyników prac obliczeniowych. Wykorzystywanych jest szereg języków programowania (Python, Java, bash) i środowisk obliczeniowych (R, Pythin/scikit-learn, H2O AutoML, KNIME). Systemy obliczeniowe instalowane są zarówno bezpośrednio na jednostkach obliczeniowych jak i na maszynach wirtualnych KVM/qemu.

Zakup aparatury dokonany ze środków finansowych Priorytetowego Obszaru Badawczego qLIFE w ramach programu strategicznego Inicjatywa Doskonałości w Uniwersytecie Jagiellońskim.