关于支持科学新闻
如果您喜欢这篇文章，请考虑通过以下方式支持我们屡获殊荣的新闻事业 订阅。通过购买订阅，您正在帮助确保有关塑造我们当今世界的发现和想法的具有影响力的故事的未来。
对使生命成为可能的过程的研究绝非轻松的追求，但这并不妨碍研究人员利用最先进的视频游戏技术来辅助他们的工作。伊利诺伊大学厄巴纳-香槟分校 (U.I.U.C.) 的一个物理学家团队组装了一台超级计算机，该计算机由数百个超快速图形处理单元 (GPU) 组成——通常用于渲染高度复杂的视频游戏图形——他们认为这将帮助他们构建一个模拟，以描绘 色素体 蛋白如何将光能转化为化学能，这一过程称为光合作用。
“地球上生命所需的能量有百分之九十五是由光合作用过程驱动的，” Klaus Schulten 说道，他是一位 (U.I.U.C.) 物理学教授，领导着模拟构建工作，并且是该校 理论与计算生物物理学小组 的主任。为了更好地理解这些过程是如何运作的，Schulten 的团队正在组装一个基于计算机的虚拟光合色素体。
光合色素体是在细菌膜上形成的液体泡，这些细菌利用阳光、二氧化碳和水来产生呼吸和其他功能所需的能量。这些细菌使用色素体来储存光合作用所需的蛋白质。Schulten 说，这是所有类型光合作用系统中最简单的。
无论是否简单，一个光合色素体都由1 亿个原子组成。“我们知道色素体的每一个原子，但只有当我们知道原子是如何排列的，我们才能充分理解这些系统以及它们是如何工作的，”Schulten 说。“一直以来缺乏的是运行足够快的模拟以模仿现实生活的能力。”
Schulten 预计他的团队还需要一两年才能完成他们的虚拟色素体。如果不是研究人员能够在“林肯”上进行数字运算，这个预测将会延长几年，“林肯”是伊利诺伊大学国家超级计算应用中心 (NCSA) 的一台超级计算机，由 384 个 NVIDIA Corp. GPU 并行运行（这意味着他们分担工作负载），与林肯的 1,536 个中央处理单元 (CPU) 协同工作。
当 CPU 和 GPU 在计算机上协同工作处理信息时，它被认为是“协同处理”配置。也就是说，当 Schulten 和他的团队在林肯上运行他们的软件时，CPU 和 GPU 会分担工作，尽管 GPU 承担了更大的负载。
CPU 和 GPU 并非一直都能如此良好地协同工作。GPU 在 1990 年代成为加速计算机图形的热门工具，但这些处理器只能理解使用图形编程语言（如 OpenGL 和 Cg）编写的程序，而 CPU 则使用更通用的语言（如 C）。这种情况在 2006 年发生了变化，当时 NVIDIA 推出了其计算统一设备架构 (CUDA)，这是一种允许 C 程序在公司 GPU 上运行的接口。由于 CUDA 的成功，NVIDIA 今天推出了一种速度更快的 GPU 版本，它可以与更多的软件程序一起工作，包括用 C++ 编写的程序。
唯一的另一家主要 GPU 制造商，超微半导体 (AMD) 上周推出了它所谓的“有史以来最强大的处理器”，每个 GPU 的计算能力高达 2.72 万亿次浮点运算。（万亿次浮点运算等于每秒 1 万亿次计算。）NVIDIA 尚未公布其新 GPU 的规格，但一位发言人表示，上一代 GPU 的性能略低于每 GPU 1 万亿次浮点运算。NVIDIA 和 AMD 取得的进步对科学意义重大。Schulten 说，可编程 GPU 的出现不仅可以用于图形处理，还可以帮助研究人员“将他们的模拟加速 10 倍”。
然而，Schulten 对处理速度的看法是务实的。“如果所有事情都需要很长时间，你只有一次机会测试你的工作，”他说。“这使得从试错中学习变得非常困难。”