Революция в медицине: нейроморфный суперкомпьютер из Германии обещает новые лекарства!

Стартап SpiNNcloud Systems из немецкого Дрездена заключил соглашение с Лейпцигским университетом на поставку нейроморфного суперкомпьютера, предназначенного для ускорения разработки лекарств. Устройство будет использоваться для моделирования процесса сворачивания белков — ключевого этапа в исследованиях персонализированной медицины, объединяющей достижения в области генетики, искусственного интеллекта, робототехники и диагностических систем.

Серверная система построена на базе 48 чипов SpiNNaker2 на одной плате, каждый из которых включает 152 процессорных ядра ARM с интегрированными ускорителями и энергопотреблением от 0,8 до 2,5 Вт. В полном конфигурации — 4320 чипов, 656 640 ядер — система укладывается всего в одну стойку, хотя университет решил использовать две. Общий энергобюджет суперкомпьютера составляет около 25 киловатт, что делает его особенно энергоэффективным.

Система будет использоваться для одновременного запуска миллионов небольших моделей, каждая из которых отвечает за поиск взаимосвязей между молекулами и индивидуальными профилями пациентов. Подход, основанный на массовом параллелизме, позволяет выполнять высокоточные вычисления с минимальными затратами энергии и времени по сравнению с классическими системами на графических процессорах. Такое распределённое, событийно-управляемое вычисление особенно эффективно в задачах, связанных с биоинформатикой и фармакологией.

По словам одного из сооснователей компании Кристиана Майра, изначально архитектура SpiNNcloud разрабатывалась для моделирования нейронных сетей мозга, однако в дальнейшем была адаптирована для масштабного параллельного выполнения различных вычислительных задач. Архитектура насчитывает около 10 миллионов программируемых ядер ARM и набор специализированных ускорителей, оптимизированных под работу с нейросетями. Созданный прототип способен сканировать до 20 миллиардов молекул менее чем за час, что в сотни раз быстрее, чем при использовании традиционных процессоров.

Другой соучредитель, Гектор Гонсалес, подчеркнул, что технология идеально подходит для задач персонализированной медицины, где необходимо одновременное взаимодействие множества небольших моделей в рамках быстрой и гибкой коммуникационной сети. Он отметил, что архитектура, вдохновлённая устройством человеческого мозга, позволяет реализовать эффективные алгоритмы, оперирующие с разреженными данными и требующие максимального параллелизма.

Йенс Майлер, профессор и директор Института поиска лекарств Лейпцигского университета, отметил, что суперкомпьютеры SpiNNcloud хорошо справляются с задачами оптимизации, необходимыми при сворачивании белков — процессе, в котором молекула белка стремится занять наименьшее энергетическое состояние. Это критически важно при поиске новых низкомолекулярных соединений, способных стать основой для будущих препаратов.

Инженеры подчеркивают, что высокая энергоэффективность системы достигается за счёт динамической активации только нужных участков аппаратной части. В условиях, когда рабочая нагрузка представлена множеством небольших моделей, это позволяет экономить ресурсы, не теряя при этом в производительности. Некоторые экспериментальные модели, совместно разработанные с Лейпцигским университетом, уже показали более высокую производительность и меньшее потребление энергии по сравнению с GPU-системами.

При этом проект был ограничен финансовыми возможностями университета. Гонсалес уточнил, что в идеале система могла бы включать до 16 стоек, но при увеличении масштаба выше этого уровня возникнут трудности с поддержанием эффективной связи между моделями. Сейчас крупнейшая развернутая конфигурация SpiNNcloud функционирует в Дрезденском университете и насчитывает 30 000 чипов, что даёт более 5 миллиардов вычислительных элементов.

В дополнение к медицинским исследованиям, SpiNNcloud также активно тестирует свою архитектуру в области глубокого обучения. В частности, ведётся работа с крупными языковыми моделями на базе концепции Mixture of Experts (MoE) — архитектурой, применяемой в таких системах, как DeepSeek-R1. Здесь архитектура SpiNNcloud демонстрирует перспективные результаты благодаря возможностям масштабируемости, гибкости и точной активации маршрутов передачи данных.

Гонсалес выразил уверенность, что архитектуры, созданные по принципу работы мозга, откроют путь к новым видам моделей, которые невозможно реализовать с использованием обычных GPU. Такая система обеспечивает точечное управление активациями, исключая необходимость задействовать все ресурсы одновременно — в отличие от традиционных GPU, где максимальная эффективность достигается лишь при полном использовании всех блоков.