Att vika proteiner med Folding@home är en nobel sysselsättning bland entusiaster, där många investerar tusentals kronor i dedikerade riggar. Intresset är därför stort runt vilken hårdvara som lämpar sig allra bäst, speciellt när det kommer till moderna grafikkort.
Prestandatester har dock försvårats avsevärt av faktorer som oklara riktlinjer och att operationerna tar väldigt lång tid, där framför allt det sistnämna är en avgörande punkt. Resultatet har blivit att Folding@home i stort lyser med sin frånvaro när det kommer till större jämförelser.
Nu finns det dock en lösning på problemet – officiella prestandatestet Folding@home Benchmark eller FAHBench. Programmet utför på relativt kort tid samma typer av beräkningar som vid proteinvikning, och kan därmed skilja agnarna från vetet när entusiaster jagar hårdvara till nästa supersystem.
Mjukvaran har stöd för fyra olika lägen och kan köra samtliga tester över OpenCL. Beräkningar kan hanteras explicit eller implicit, där skillnaden i korthet handlar om vilka parametrar som löpande tas hänsyn till. Förutom det kan singel- eller dubbelprecision väljas, kort och gott hur precisa tal som hanteras för flyttalsberäkningar.
Vissa problem finns dock. Resultatet redovisas i smått obskyra "nanosekunder per dag", vilket är svårlänkat till traditionella Folding-måttet "Points Per Day (PPD)". Enligt användare på officiella forumet är kopplingen att varje så kallad "Work Unit" innebär delar av en simulering, vilken i sin tur representerar händelser under ett visst antal nanosekunder. Resultatet 20 ns/dag innebär alltså att 20 nanosekunder av en viss proteinvikning tar 24 timmar att beräkna.
..a WU is a part of simulation which is representing a certain amount of time. For example, a 1 000 ns simulation divided in 100 WU will make a single WU represents 10 ns. If you're folding one WU per day, you'll produce 10 ns/day ... two WU per day, 20 ns/day..
Summan av kardemumman är att ett högre värde på nanosekunder per dag innebär högre potential för proteinvikning. Värdet kan dock inte översättas rakt av till ett visst antal poäng per dag, där spelar andra faktorer in – till exempel hur komplex simuleringen är.
Komponent | Modell |
|---|---|
Processor | Intel Core i5-4670K |
Moderkort | MSI Z87-G45 Gaming |
Minne | 8 GB Corsair Vengeance, 1 600 MHz, 9-9-9-24 |
Grafikkort |
|
Lagring | Samsung 840 250 GB |
Nätaggregat | Be Quiet Pure Power L8 630 W |
Skärm | Asus PB278Q |
Operativsystem | Windows 8 Enterprise 64-bit |
Som bas används SweClockers sommardator 2013, vilken med Intel Haswell och fabriksöverklockat Geforce GTX 760 under huven innebär lagom med prestanda för de allra flesta. För att ge ytterligare kött på benen varieras grafikkortet med ytterligare tolv modeller, allt från flaggskeppet Geforce GTX Titan till mer måttliga Radeon HD 7870.
Drivrutinerna är senast tillgängliga från respektive tillverkare, vilket innebär Geforce 326.80 Beta för Nvidia samt Catalyst 13.10 beta för AMD. Observera att AMD-varianten av allt att döma visar aningen lägre prestanda jämfört med äldre versioner, dock med förbättrad stabilitet där alla deltester går igenom.
Resultat med SweClockers sommardator 2013
Först ut är en uppsjö resultat med SweClockers sommardator. Grafikkortet från Gigabyte är överklockat direkt ur kartong, och processorn testas dels i standardfrekvens, dels överklockad till 4,2 GHz för att ge extra spelrum. Inställningarna som testas är samtliga fyra alternativ mjukvaran erbjuder.
i5-4670K (3,4 GHz) | i5-4670K (4,2 GHz) | GB GTX 760 OC WF3X | |
|---|---|---|---|
Explicit, SP | 3,63 ns/dag | 4,16 ns/dag | 31,87 ns/dag |
Implicit, SP | 3,78 ns/dag | 4,36 ns/dag | 120,28 ns/dag |
Explicit, DP | 2,47 ns/dag | 2,83 ns/dag | 4,76 ns/dag |
Implicit, DP | 2,33 ns/dag | 2,71 ns/dag | 6,38 ns/dag |
Med de första resultaten i hand är det tydligt att proteinvikning gör sig bäst på grafikprocessorer. Trots en modern processor ur generation Haswell är sommardatorns fabriksöverklockade Geforce GTX 760 betydligt snabbare – över 30 gånger vid implicita beräkningar med singelprecision.
Vid singelprecision är det helt klart Nvidias Kepler-arkitektur som tar ledningen, med mäktiga Geforce Titan bekvämt parkerat i toppen. Bland AMD:s modeller hamnar föga överraskande Radeon HD 7970 GHz överst, med rejäl marginal till föregående flaggskepp Radeon HD 6970. Det har helt klart hänt en del på beräkningsfronten.
För dubbelprecision kastas tabellen runt ordentligt. Radeon HD 7970 GHz klättrar upp till en övertygande andraplats, endast övertrumfat av Geforce Titan i kortets speciella läge för just dubbelprecision. Intressant är också att både Geforce GTX 580 och GTX 480 klättrar förbi modernare Kepler – de sistnämnda faller rejält i tabellen med mer exakta tal att hålla reda på.
Officiella prestandatestet för Folding@home finns att ladda ned från en separat webbplats. Mjukvaran baseras på projektets senaste kärna, FAHCore 17.
Vik proteiner med Folding@home
Folding@home är ett projekt vid amerikanska Stanford University, som syftar till att använda outnyttjad datorkraft för att beräkna hur proteiner viker sig. Målet är att finna vägar hur allvarliga sjukdomar som Alzheimers uppstår och kan botas. Sammanlagt har forskarna publicerat över 100 vetenskapliga artiklar med upptäckter från beräkningsprojektet.
Utöver forskning innehåller projektet även ett tävlingsmoment för att uppmana till fler deltagare. Det enda som krävs för att vara med är att installera ett litet klientprogram som kan utnyttja allt ifrån flerkärniga processorer till grafikkort och spelkonsoler för att vika proteiner. Hjälp till du med!
Instruktioner
Ladda ned den officiella Folding-klienten.
Installera och starta programmet
Välj ett användarnamn
Ange lagnummer (team number) 37451 för att gå med i SweClockers lag
Mer information om Folding@home finns i forumet.
Fotnot: Även om processen för Folding@home i normalfall körs med låg prioritet innebär den konstant hög belastning av datorsystemet. Det är därför viktigt att hålla koll på kylning och temperaturer för att undvika instabilitet.
