主题：COVID-19公共卫生超级计算病毒学
由 得克萨斯大学奥斯汀，德克萨斯高级计算中心 20203月31日，
您在飞机上感染病毒的风险如何？使用Frontera超级计算机开发的新的“CALM”客运模型。
不论是否公平，飞机都以细菌着称。但是，有一些方法可以将风险降到最低。
基于人和动物群体运动的历史研究提出了三个简单的规则：
- 远离太近的人。
- 移向遥远的地方。
- 匹配邻居的运动方向。
这项研究特别用于航空旅行，在这种旅行中，传染性感染或疾病的风险增加，例如最近在全球范围内引起COVID-19疾病的冠状病毒爆发。
西佛罗里达州计算机科学大学教授AshokSrinivasan说：“航空公司在登机时使用了多个区域。” “登机时，人们被阻塞并被迫站立，将行李放进垃圾箱的人附近-人们彼此非常接近。当使用许多区域时，这个问题会更加严重。脱机更加顺畅和快捷-没有太多时间被感染。”
“事实证明，使用GPU是一个幸运的选择，因为我们能够在COVID-19紧急情况下部署这些仿真。Frontera上的GPU是快速生成答案的一种方式。” — AshokSrinivasan，西佛罗里达大学计算机科学系教授；
斯里尼瓦桑（Srinivasan）是行人动力学模型新研究的主要研究人员，该研究最近已用于减少飞机疾病传播风险的程序分析中。该研究于2020年3月发表在《PLOSOne》杂志上。
多年以来，科学家一直依靠SPED（自我推进的实体动力学）模型，这是一种社会力量模型，将每个人都视为点粒子，类似于分子动力学（MD）模拟中的原子。在这种模拟中，原子之间的吸引力和排斥力控制着原子的运动。SPED模型修改了代码，并用人类代替了原子。
Srinivasan说：“[SPED模型]更改了控制原子之间相互作用的参数值，以便它们反映人与人之间的相互作用，同时保持功能形式相同。”
Srinivasan和他的同事使用SPED模型分析了2015年埃博拉疫情爆发的风险，这一点在世界各地的新闻媒体中广泛报道。但是，SPED模型的局限性在于它运行缓慢-难以及时做出决定。在诸如COVID-19之类的疫情爆发时，需要快速的答案。
根据Top500组织的2019年11月排名，Frontera是全球排名第五的超级计算机，也是学术最快的超级计算机。Frontera位于德克萨斯高级计算中心，并获得了美国国家科学基金会的支持。
研究人员认为，需要一种可以模拟与SPED相同的应用程序，同时又要快得多的模型。他们提出了CALM模型（用于约束人群中个体的线性运动）。CALM产生与SPED相似的结果，但不是基于MD代码。换句话说，CALM旨在快速运行。
像SPED一样，CALM旨在模拟狭窄的线性通道中的运动。他们的研究结果表明，CALM的执行速度比SPED模型快60倍。除了提高性能外，研究人员还对其他行人行为进行了建模。
“ CALM模型克服了需要实时决策的SPED的局限性，”Srinivasan说。
使用Frontera进行计算工作
科学家从头开始设计了CALM模型，因此它可以在计算机上有效运行，尤其是在GPU（图形处理单元）上。
根据Top500组织2019年11月的排名，Srinivasan及其同事使用Frontera进行了研究，Frontera是世界上功能最强大的第五台超级计算机，也是学术最快的超级计算机。Frontera位于德克萨斯高级计算中心，并获得了美国国家科学基金会的支持。
Srinivasan说：“一旦BlueWaters开始被淘汰，Frontera便是自然的选择，因为它是NSF资助的新旗舰机器。” “您面临的一个问题是，您是否已生成足够数量的方案来涵盖各种可能性。我们通过生成感兴趣量的直方图并查看直方图是否收敛来检查这一点。使用Frontera，我们能够执行足够大的模拟，现在我们知道精确的答案是什么样子了。”
Frontera上的六个MellanoxInfiniBand网络核心交换机之一，用于路由服务器节点之间的通信。每条电缆可以每秒200GB的带宽传输数据，每个核心交换机600条电缆。信用：TACC
在实践中，由于固有的不确定性，尤其是在流行的早期阶段，做出精确的预测是不可行的，这使这项研究的计算方面具有挑战性。
“我们需要生成大量可能的方案以涵盖可能的范围。这使得计算量很大。”Srinivasan说。
该团队通过检查三种不同类型飞机的下船时间验证了他们的结果。由于单个模拟无法捕获各种人类运动模式，因此他们使用1,000个不同的值组合进行了模拟，并将其与经验数据进行了比较。
使用Frontera的GPU子系统，研究人员能够将计算时间缩短到1.5分钟。“事实证明，使用GPU是一个幸运的选择，因为我们能够在COVID-19紧急情况下部署这些仿真。Frontera上的GPU是快速生成答案的一种方式。”
但是，等等-模型不能捕获极端事件吗？
在一般准备方面，Srinivasan希望人们了解科学模型通常无法准确地捕获极端事件。尽管已经进行了多次飞行的透彻的经验研究，以了解人类的行为以及表面和空气的清洁度，但主要的感染爆发是一个极端事件，典型情况下的数据可能无法捕获。
脱机仿真的进展。图片来源：AshokSrinivasan，西佛罗里达大学计算机科学系教授
平均每天大约有100,000个航班。发生率极低的事件可能会导致频繁的感染爆发，因为航班数量如此之多。尽管模型预测感染在飞机上传播的可能性不大，但已经发生了几次已知的暴发。
Srinivasan提供了一个例子。
他说：“通常认为感染在飞机上传播是在索引病人的前后两排。” “在2002年SARS爆发期间，在少数感染传播的航班上，这基本上是正确的。但是，一次暴发占了一半以上，在那次飞行中，一半的被感染者坐得比两排远。可能会想将这次爆发看做一个异常值。但是“异常值”的影响最大，因此，距离两行以外的人占了航班上感染SARS的很大一部分。
超过50英里的网络互连电缆使Frontera的计算节点可以相互通信，也可以与网络服务器通信。
当前，关于COVID-19，一般感染者被认为会使另外2.5个人患病。但是，曾经有一个社区被单个“超级传播者”感染了大量人，并在疫情爆发中起到了推动作用。斯里尼瓦桑说，这种极端事件的影响以及准确建模的困难使预测变得困难。
他说：“在我们的方法中，我们的目标不是准确预测实际病例数。” “相反，我们尝试识别不同政策或程序选项中的漏洞，例如飞机上的不同登机程序。我们生成了大量可能发生的情况，并检查一个选项是否始终优于另一个选项。如果是这样，则可以认为它更健壮。在决策环境中，人们可能希望选择更可靠的选择，而不是依赖于预测的期望值。”
一些实用建议
Srinivasan也为读者提供一些实用建议。
他说：“即使您距离六英尺远，您仍可能[有病毒]的危险。” “在与倡导建模的建模人员进行讨论时，似乎这些模型没有考虑到气流。就像球随风而走一样，携带病毒的水滴也会朝着气流的方向走得更远。”
这些不仅仅是理论上的考虑。在新加坡，他们观察到患者使用的厕所排气口对新的冠状病毒测试呈阳性，并将其归因于空气流动。
“模型并不能说明影响现实的所有因素。当风险很高时，不妨谨慎行事。”斯里尼瓦桑总结道。
参考：MehranSadeghi Lahijani，TasvirulIslam，AshokSrinivasan和SirishNamilae的MehranSadeghi Lahijani，“约束线性运动模型（CALM）：飞机中的乘客运动仿真”，2020年3月5日，PLOSONE。DOI：10.1371/ journal.pone.0229690
【创客人生2025】：造物改变世界，Just do it！
提示：我们将持续为大家带来更多全世界在机械、电子、无人机、机器人、人工智能、木工加工及工业制造领域的有关新产品、新技术、新工艺，以及创客（Maker）造物活动的原创价值资讯，敬请关注！