研究人員已經開始採用 MASSIVE 運算引擎來對抗出現抗生素抗藥性的超級細菌，這裡要特別介紹的是澳洲的高效能資料處理運算設施 Multi-modal Australian ScienceS Imaging and Visualisation Environment。
該系統採用低溫電子顯微鏡（cryo-electron microscopy，CryoEM）架構，讓研究人員能以超高解析度來分析分子的外形和形狀。CryoEM 呈現出如此細膩的畫面，創造出「解析度革命」一詞，而這套系統的發明者在2017年榮獲諾貝爾化學獎。
澳洲蒙納許大學的 Dr. Matt Belousoff 及其同僚致力於利用這項技術，創造出能對抗超級細菌的超級藥物。即便細菌的核醣體（活體細胞內合成生物蛋白質的地方）出現結構性變化，他們依舊著眼於設計能殺死細菌的新藥物。
CryoEM 的分析流程包括從醫院取得具抗生素抗藥性的金黃葡萄球菌，並從中分離出核醣體純製劑，拍攝約五十萬張高解析度影像，接著將這些充滿噪點的影像變成 3D 立體電子密度圖，製作出供研究團隊使用的分子模型。
將這些低解析度的 2D 平面影像處理成高解析度 3D 立體模型，得用到龐大繁複的運算作業，使用桌上型電腦來處理的話，要花上數個月的時間，而 MASSIVE 資料運算處理引擎只要幾天便能完成。
「得知哪些作用會導致核醣體結合位點上出現抗藥性突變，有助於我們日後重新設計結合位點。」Belousoff 說。
MASSIVE 高效能運算能力
蒙納許大學、澳洲聯邦科學與工業研究組織、澳洲核子科學和科技組織、伍倫貢大學，以及 ARC 綜合腦功能卓越中心與 ARC 先進分子成像卓越中心這兩個附屬機構，共同協力成立 MASSIVE 計畫。
除了 CryoEM，MASSIVE 計畫還用於深入研究多種成像模式，包括同步輻射 X 光和紅外線成像、功能性和結構性磁共振成像、X 光電腦斷層掃描、電子顯微鏡及光學顯微鏡。
MASSIVE 計畫串連澳洲蒙納許大學和伍倫貢大學四具新一代的 CryoEM 顯微鏡，產生出高解析度影像及海量資料，加上處理分析方面的難題。
研究人員使用設施內 M3 電腦的高效能資料處理能力，以求解決這些問題。M3 電腦可為滿足快速讀寫和儲存大量資料等核心資料處理與視覺化的要求。
搭載162個 NVIDIA Tesla V100、P100 及 K80 GPU 加速器和兩台 NVIDIA DGX-1 人工智慧超級電腦的 M3，用於進行快速渲染和遠端視覺化的作業，解決各種資料處理和模擬方面的問題。
MASSIVE 的許多使用者都剛接觸高效能運算領域，但在 NVIDIA GPU 的助力下，使用者可以透過有著豐富應用程式的強大遠端桌面環境，輕鬆處理資料。
「我們直接將 M3 電腦與澳洲的多具 CryoEM 顯微鏡進行整合，讓生物學家能夠運用 MASSIVE 的運算能力，剛接觸高效能運算領域的研究人員也能輕鬆使用這些功能。」蒙納許大學數位研究中心副主任 Dr. Wojtek James Goscinski 說。
獲得更多，做得更多
MASSIVE 為全球規模最大的 CryoEM HPC 使用者社群之一，有超過25個研究小組和超過百名使用者。約千名研究人員的十個小組使用 DGX-1 在支持著 M3 電腦。
與傳統方法相比，該系統使用 DGX-1 後提高了 CryoEM 的效能。DGX-1 搭載八具採用混合式立方網狀網路拓撲（Hybrid Cube Mesh Topology）配置結構的 NVIDIA Tesla V100 Tensor Core GPU，並且藉由 NVIDIA NVLink 技術以超高速、低延遲的方式在 GPU 間傳遞資料，成為提供 MASSIVE 所需效能的關鍵。
排程器在檔案系統上，且與高效能運算環境及大學的研究網路進行整合，代表那些使用 CryoEM 顯微鏡上生成資料的人離 DGX-1 僅一步之遙。
結果讓人刮目相看，在 DGX-1 上執行某些任務的速度比使用舊款硬體的速度要快上二十倍。「DGX-1 產生出極佳結果，讓我們的研究可以更進一步。」Goscinski 說。
除了 CryoEM，DGX-1 超級電腦還用於機器學習及深度學習。Goscinski 表示這些技術在過去三年裡的總工作量，從不到 10% 成長到約 30%。
圖片提供：蒙納許大學 CryoEM（ThermoFischer Titan Krios）。