Líderes en investigación biomédica. Este clúster aporta una gran potencia de cálculo al equipo de investigación, gracias él, desarrollarán su investigación sobre el descubrimiento de los mecanismos de envejecimiento y reprogramación celular en el ser humano.
- SIE instala el clúster TALOS
- en la universidad
- Rey Juan Carlos de Madrid
Líderes en investigación biomédica
El Clúster de talos es el resultado de la colaboración entre Sergio Muñoz, Doctor en machine learning y profesor de ingeniería biomédica en la Universidad Rey Juan Carlos, y Raul Díaz, fundador y jefe de proyectos de la empresa Sistemas Informáticos Europeos
Gran potencia de cálculo
A principios del 2023, se terminó de instalar y configurar el clúster de la Universidad Rey Juan Carlos, liderado por el investigador Sergio Muñoz.
Este clúster aporta una gran potencia de cálculo al equipo de investigación. De esta manera, podrán avanzar en su valiosa investigación enfocada en desentrañar los mecanismos de envejecimiento y reprogramación celular en seres humanos.
Llamado Talos, en honor a la primera inteligencia artificial no orgánica en la Grecia Clásica, se trataba de un autómata gigante que vigilaba la isla de Creta y la protegía de sus enemigos.
LA INVESTIGACIÓN
El enfoque principal, siendo de los más críticos en este sentido, es el de la salud, en particular, la ingeniería biomédica.
El objetivo
Obstáculos superados
Los ámbitos de la investigación
Deep Learning e Inteligencia artificial
Necesidades computacionales
El objetivo
Líderes en investigación biomédica. Dilemma Lab S.L.
El objetivo de la investigación en su línea principal es entender los mecanismos moleculares y celulares del envejecimiento, en el sentido natural, de joven a edad avanzada, y en el sentido inverso, en el de la reprogramación celular. Esta investigación nos coloca como líderes en investigación biomédica
Obstáculos superados
La investigación abarca diversos temas, incluyendo la cardiología y el estudio de cardiopatías. Además, colaboran con un prestigioso grupo de investigación en Murcia y Arrixaca. Este grupo cuenta con numerosas muestras de tejido cardíaco y sangre.
Sin embargo, el grupo necesita financiamiento para analizar estas muestras. En este contexto, enfrentan dos desafíos principales:
- Primero, conseguir dinero para analizar las muestras a nivel multiómico y de célula individual.
- Segundo, gestionar y procesar la gran cantidad de datos obtenidos de manera eficiente.
Los ámbitos de la investigación
La investigación aborda áreas donde explicar algoritmos y datos es esencial, ya que comprender la información recopilada ayuda a resolver problemas.
En estos campos, las “cajas negras” no son adecuadas, pues no pueden responder a tales preguntas.
Aunque los humanos somos hábiles en tareas perceptuales, nos resulta difícil hallar respuestas ocultas en enormes conjuntos de datos y detectar patrones subyacentes.
Deep Learning e Inteligencia artificial
En su investigación, necesitan algoritmos que escalen horizontalmente, especialmente en machine learning interpretables. Al enfrentar problemas con grandes datos, se limitaba el almacenamiento y la infraestructura para escalar y ejecutar algoritmos rápidamente.
Por lo tanto, priorizaban tener muchas CPUs.
Además, crearon algoritmos de inteligencia artificial explicables, enfocándose en deep learning y modelos generativos. Aquí, es crucial tener GPUs avanzadas basadas en la arquitectura Ampere.
Como también diseñan modelos de simulación espacio-temporales, es imprescindible que las GPUs manejen cálculos de doble precisión eficientemente.
Necesidades computacionales
De este modo, las necesidades del grupo eran tres principalmente:
– Muchos nodos CPU para hacer computación paralela y aplicar sus modelos de machine learning interpretables.
– GPUs de doble precisión y última generación para modelos de inteligencia artificial explicables y simulación.
– Mucho almacenamiento, en especial para la aplicación biomédica que se explicará a continuación y que permite conseguir una cantidad importante de financiación a través de un proyecto de investigación europeo que involucra investigadores de todo el mundo.
EL EQUIPO TRAS EL PROYECTO
Sergio Muñoz | URJC
Sergio Muñoz
La Universidad Rey Juan Carlos
Sergio Muñoz
Sergio Muñoz, Doctor en machine learning y profesor de ingeniería biomédica en la Universidad Rey Juan Carlos, trabaja en diseño de inteligencias artificiales y algoritmos de machine learning.
Colabora con profesores e investigadores del grupo BigMed+ en la misma universidad.
La Universidad Rey Juan Carlos
Líderes en investigación biomédica
La Universidad Rey Juan Carlos, siendo una institución joven y dinámica, se esfuerza por contribuir a la vanguardia del conocimiento, logro que se ve reflejado en los rankings nacionales e internacionales, haciendo de esta organización uno de los líderes en investigación biomédica.
Actualmente, cuenta con aproximadamente 46.000 estudiantes repartidos en 5 campus con 28 departamentos en múltiples campos de las artes, las ciencias y la literatura.
Combatiendo el COVID, presente y futuro
Entendiendo el impacto del COVID-19
Proyecto multidisciplinario: Colaboración y financiación
Modelo preclínico: Estudiando la tormenta de citoquinas
Plataforma para tratamientos: Enfrentando el COVID-19 y más
Integración de tecnología: Hacia un centro de computación eficiente
Entendiendo el impacto del COVID-19
Con la llegada del COVID-19 en 2020, surgió la necesidad de comprender por qué afectaba más gravemente a personas mayores y con cardiopatías previas. Este planteamiento condujo al proyecto REACT-EU, que proporcionó financiamiento para superar barreras técnicas y económicas.
Proyecto multidisciplinario: Colaboración y financiación
El proyecto “Machine Learning sobre Single Cell Multiómico para Relacionar COVID-19, Envejecimiento y Cardiopatías” fue financiado como parte de la respuesta de la Unión a la pandemia de COVID-19.
Involucró la colaboración de centros como CNB-CSIC, CEMBIO, Parque Científico de Madrid y MIT.
Modelo preclínico: Estudiando la tormenta de citoquinas
Los grupos de investigación de la Universidad Rey Juan Carlos desarrollaron un modelo preclínico animal para estudiar los efectos de la tormenta de citoquinas. Esta grave reacción inmunitaria provocó mortalidad en pacientes COVID-19, especialmente en mayores y personas con problemas cardíacos.
Plataforma para tratamientos: Enfrentando el COVID-19 y más
Con este modelo preclínico, se creó una plataforma para detectar dianas y diseñar tratamientos útiles no solo para el COVID-19, sino también para otras patologías o futuras pandemias. El proyecto permitió la creación de un centro de supercomputación para diseñar y aplicar algoritmos necesarios en sus estudios.
Líderes en investigación biomédica
Integración de tecnología: Hacia un centro de computación eficiente
Se contactó con un equipo integrador para diseñar un clúster con las capacidades técnicas necesarias. Gracias al conocimiento y experiencia de SIE en HPC, se configuró el centro de computación idóneo para las investigaciones, integrando máquinas adquiridas a Gigabyte.
Dilema Lab SL
prometedor futuro
Avances
Dilemma Lab S.L.
Líneas de investigación
Avances
Este grupo de investigación se enfoca en el descubrimiento y transferencia de conocimiento. El centro de supercomputación beneficia tanto a los grupos del proyecto como a la sociedad en general.
Dilemma Lab S.L.
Líderes en investigación biomédica
Se realiza transferencia de conocimiento a través de la spin-off EBTC, Dilemma Lab S.L. Esta empresa fue creada en colaboración con un investigador de la Universidad Miguel Hernández de Elche.
Líneas de investigación
- Estudiar la reprogramación celular parcial para mejorar la calidad de vida en etapas avanzadas.
- Centrarse en la oncología y, a medio plazo, combinarla con la primera línea de investigación.
El apartado técnico
Tecnología y potencia de cálculo
Conectividad y almacenamiento
Ecosistema HPC Ladon OS 8
Tecnología y potencia de cálculo
La tecnología de Gigabyte integrada por SIE brinda una gran potencia de cálculo a los investigadores. Utilizan el GIGABYTE Server Management (GSM) para administrar el clúster.
Este clúster innovador ofrece 512 hilos de ejecución en CPU y 221.184 cores de GPUs. La potencia total supera los 20.000 Tflops
Conectividad y almacenamiento
Conectividad y almacenamiento
Las tarjetas A100 están interconectadas mediante buses NVLINK, alcanzando velocidades de 600 Gb/s. Se utiliza NVIDIA/Mellanox Infiniband HDR para conectar equipos, permitiendo:
- Interconectar 32 tarjetas A100 mediante NVSwitch y protocolo Infiniband.
- Agregar 256 cores de CPU (512 hilos) con procesadores AMD Milan 7763.
- Acceder a los 576 TB de almacenamiento compartido con alta velocidad de gestión.
El sistema puede ampliarse hasta 1 PB en el futuro.
Ecosistema HPC Ladon OS 8
SIE monta el sistema en el ecosistema HPC Ladon OS 8, basado en piezas Open Source. Evita el pago de software propietario y reduce costes. Herramientas fundamentales incluyen:
- Rocky Linux 8.7: Sistema operativo base, estable y actualizable. Aisla la red interna de la externa mediante IP table.
- SLURM: Sistema de colas o workflow utilizado por clústers punteros como Mare Nostrum o Hyperion.
- Docker: Sistema de contenedores que permite individualizar aplicaciones sin virtualizar la máquina completa.
- CheckMK: Consola de gestión basada en Nagios. Trabaja a través de IPMI y monitoriza dispositivos mediante SNMP.
- EasyBuild: Marco de instalación y creación de software para administrar software científico en sistemas HPC de manera eficiente.
PROYECTO FINANCIADO POR:
