Виртуальный ты. Как создание цифровых близнецов изменит будущее человечества

Если ответ можно быстро проверить, то он относится к классу NP. Но алгоритм, время выполнения которого пропорционально 2 степени N (то есть экспоненциально по N), занял бы 300 квинтиллионов лет. Когда N появляется в показателе степени и ни один умный алгоритм не может свести выполнение к полиному по времени от N, это выражается в том, что проблема называется NP-полной. Классическим примером является обманчиво простая задача о коммивояжере, которая спрашивает: «При наличии списка городов и известных расстояний между каждой парой городов каков кратчайший возможный маршрут, который включает каждый город ровно один раз и приводит в исходный?»

Экзафлопсный человек

Моделирование клеток, тела, инфекций и многого другого на различных компьютерах подробно рассматривается в последующих главах, но подготовка к эпохе экзафлопсов уже идет полным ходом. Исследователи из Юлихского исследовательского центра в Германии, команды мощного суперкомпьютера Fugaku в Японии и Королевского технологического института в Стокгольме, Швеция, создают экзамасштабные модели сетей мозга, которые могут работать на LUMI в Каяани, Финляндия, европейской предэкзафлопсной машине. По словам Маркуса Дисмана, директора Института нейронаук и медицины Юлихского центра, к 2014 г. они разработали программное обеспечение, способное моделировать около 1 % нейронов человеческого мозга со всеми связями. Эти симуляции включают в себя контуры базальных ганглиев, которые расположены у основания мозга и, среди прочего, координируют движения. Одна из целей исследования – изучить роль этих цепей при болезни Паркинсона, которая вызывает скованность мышц и тремор.

Но была загвоздка: моделирование взяло на себя основную память петамасштабного суперкомпьютера, который, как правило, состоит из десятков тысяч вычислительных узлов. Чтобы создать виртуальные связи между виртуальными нейронами, группа японских и европейских исследователей сначала отправила электрические сигналы всем узлам, каждый из которых затем проверял, какой из сигналов является релевантным, создавая свою конкретную часть сети. Но это невозможно масштабировать до экзамасштаба: потребность в памяти на каждом узле для проверки актуальности каждого электрического импульса в масштабе человеческого мозга потребовала бы, чтобы память каждого процессора была в 100 раз больше, чем в современных суперкомпьютерах.

Чтобы лучше использовать параллелизм в экзафлопсных машинах, был разработан новый алгоритм, который сначала определяет, какие узлы обмениваются нейронной активностью, а затем отправляет узлу только необходимую информацию. Это не только подготовило симуляции к экзашкале, но и повысило скорость симуляций на современных суперкомпьютерах[188]. В случае одного моделирования на суперкомпьютере JUQUEEN в Юлихе, Германия, новый алгоритм сократил время расчета секунды биологического времени для 0,52 миллиарда нейронов, соединенных 5,8 триллиона синапсов, с почти получаса до чуть более 5 мин.

Еще одним примером реализации экзафлопсной инициативы является Аргоннская национальная лаборатория, которая сотрудничает с Чикагским университетом, Гарвардским университетом и Принстонским университетом в использовании огромных объемов изображений с высоким разрешением, полученных из образцов тканей головного мозга, для понимания более широкой структуры мозга и способов, которыми каждая мельчайшая клетка мозга (или нейрон) соединяется с другими, образуя когнитивные пути, сначала в «нормальном» мозге, а затем в том, который поражен болезнью или старением. Высокопроизводительные машины необходимы, потому что сравнить миллионы нейронов и соединяющих их синапсов в двух человеческих мозгах – это монументальная задача, требующая экзабайтов данных, не говоря уже об изучении множества мозгов на разных стадиях развития.

Рак – еще одна цель экзафлопсных машин. Чтобы создать «цифрового двойника онкологического пациента» для персонализированного лечения, Национальная лаборатория Фредерика в Мэриленде возглавила тесное сотрудничество между Национальным институтом рака и Министерством энергетики США[189][190]. Эрик Штальберг, директор Управления биомедицинской информатики и науки о данных Фредерикского центра, с 2014 г. говорит о моделировании рака в экзамасштабе и теперь считает, что «мы находимся на пороге революционных исследований».

Сотрудничество показывает ценность командной науки, которая объединяет дисциплины и организации. Один из проектов под руководством Мэтью Маккоя из Джорджтаунского университета направлен на моделирование миллиона цифровых двойников пациентов с раком поджелудочной железы, чтобы оценить чувствительность и устойчивость к лекарствам. Другие элементы этого проекта цифрового двойника сосредоточены на раке молочной железы, немелкоклеточном раке легких и смертельном распространении меланомы – рака кожи. Например, проект «Мой виртуальный рак», возглавляемый Лейли Шахрияри из Массачусетского университета в Амхерсте, направлен на моделирование эволюции рака молочной железы.