二次大戰時代的戰術融入現代巧思，不僅協助對抗致命的伊波拉病毒，還有助於避免爆發悲慘的流感大流行。
來自伊利諾大學厄巴納香檳分校暨國家超級電腦應用中心的 Eric Jakobsson，以及史丹佛大學的 Amir Barati Farimani，從二次大戰的閃電戰，還有隨機判斷防衛倫敦不受德國戰機侵襲的高射砲自動射擊模式汲取靈感。他們在 GPU 的協助下使用類似的隨機演算法，發展出多個模擬分子模型，預測哪個抗體最能打擊特定的伊波拉病毒株。
伊波拉病毒每三到四年便會出現變種，科學界想要追上這個速度實屬不易；而想要擊敗每三到四個月便出現變種的流感，更是說來話長。對於想跟伊波拉病毒較勁的研究團隊來說，可謂一大難題。
過去的射擊畫面：隨機防空射擊模式為分子模擬研究啟發了靈感。
「我們明白人類要是依然故我，最終流感會大流行，害死無數人。我們怎麼也躲不掉。」Jakobsson 說。
他說：「我們根本想不到病毒出現變種的方式，希望為伊波拉病毒建立的方法，能用在流感上，快速回應新出現的超強病毒株。」
Jakobsson 與史丹佛大學化學系博士後研究員 Farimani，打算以結合歷史及科技的方式來對抗伊波拉病毒。他們借鏡二次大戰歷史，利用 NCSA 的 Blue Waters 超級電腦（運行在 NVIDIA Tesla K20X GPU 加速器上）執行 Farimani 提出的分子模擬內容。
加快研究流感病毒的速度
醫學研究團隊要等著看人體試驗的反應，通常要10到15年的光陰和數千人的人力，才能找出對抗伊波拉病毒的抗體。
Jakobsson 與 Farimani 在 Blue Waters 超級電腦上模擬那個過程，並且投入生物資訊與大量數據分析資料，縮短了設計伊波拉病毒抗體的時間。
研究團隊執行了數百個模擬項目，每項都要運算24到48個小時，最終推算出模擬的伊波拉病毒株在未來兩年的運動方式。
「那讓我們有了相當大的空間，能夠設計出下一代的抗體。」Farimani 說。
Farimani 說要是在 CPU 上運行模擬項目，得花上百倍的時間；而 GPU 的卓越效能讓它輕鬆便解決這項挑戰。
Jakobsson 說：「因為GPU，能讓我們有更多機會去嘗試不同方向。」
迅速回應能力可能會造就出不同結果
Jakobsson 說在研究團隊努力搶先流感的同時，對於運算有著龐大的需求，必需借助使用機器學習和深度學習技術。
「絕大多數的流感病毒株只會引發輕微的病症，造成少數人死亡，但是它仍有爆發大流行的危險。」Jakobsson 說。「我們想幫助人類準備好應付這件事。」
Jakobsson 與 Farimani 正在準備研究報告，展現以運算方式來設計抗體的前景，減少嘗試錯誤的次數和提高回應速度。他們說致命性的流感病毒株出現之際，迅速回應的能力尤為重要。
圖片提供：NIAID