加州大學柏克萊分校（ UC Berkeley ）團隊可藉助 NVIDIA IndeX 軟體顯示新型顯微鏡的圖像。
柏克萊研究人員 Eric Betzig ， Ruixian Gao ， Srigokul Upadhyayula 同 Lattice Light Sheet 顯微鏡的合照
五年前，當 Eric Betzig 接到電話，得知他因發明一種可以看到小至 20 奈米特徵的顯微鏡而獲得了諾貝爾獎時，他已經在研究一種新型顯微鏡了。
如今，這款新設備可以捕獲活細胞的 3D 影像，並通過 NVIDIA GPU 和軟體來查看觀察結果。
Betzig 的合作夥伴 Srigokul Upadhyayula （又名 Gokul ）來自加州大學柏克萊分校，他幫助 Betzig 完善了所謂的 Lattice Light Sheet 系統。在今年早些時候，《科學》雜誌上發表了一篇論文，其中涉及到小白鼠的視覺皮層探索， Lattice Light Sheet 系統在那時產生了 600 TB 數據。 NVIDIA 在前不久的 SC19 超算大會上展示了其中 1.3TB 的小白鼠皮層切片。
與會者看到了未來科學家如何解開醫學之謎。例如，研究人員可以使用 Lattice 來觀察神經軸突上的蛋白質覆蓋物如何隨著諸如肌肉硬化症等疾病的發展而退化。
生物學的未來：直接可視化
“我們堅信，我們永遠不會通過分解的方法來理解複雜的生命系統，” Betzig 談到生物化學和基因組學等方法時說道：“只有光學顯微鏡才能觀察生物系統並收集我們所需的資訊，以便我們真正了解生命的動態、細胞和組織的活動性以及癌細胞如何轉移。現在我們可以直接觀察到這些東西。”
他補充說：“生物學的未來發展方向是將生物直接可視化，而不是將非常間接收集到的資訊拼湊在一起。”
需要運算叢集以及更多的運算叢集
此類工作伴隨著繁重的運算需求。 Betzig 說，為《科學》雜誌生成 600TB 的數據集“佔用了我們機構運算叢集數週”。
他說：“這些顯微鏡產生的數據十分豐富，但我們通常無法對其進行可視化，因為它們絕大多數位於硬碟中，這樣就完全沒有用。借助 NVIDIA ，我們正在尋找方法將其可視化。”
在 SC19 上演示的是對保留的小白鼠皮層切片多通道可視化，該過程可在六台 NVIDIA DGX-1 伺服器上遠程運行，每台伺服器都裝有八個 NVIDIA V100 Tensor Core GPU 。這些系統是 NVIDIA 位於加利福尼亞州聖克拉拉市（ Santa Clara, Calif ）總部附近的 NVIDIA SATURNV 叢集的一部分。
演示中可視化和未來可視化的關鍵要素是 NVIDIA IndeX 軟體，該軟體開發工具包可讓科學家和研究人員針對海量 3D 數據集實時並交互查看。
IndeX 2.1 版在 SC19 上首次亮相，具有許多新功能，其中包括 GPUDirect Storage 以及支持 Arm 和 IBM POWER9 處理器。
在看到“IndeX 功能介紹”的第一個演示後，研究團隊將其安裝在加州大學柏克萊分校的叢集上，該叢集搭載了十幾個 NVIDIA TITAN RTX 和四個 V100 Tensor Core GPU。 “我們可以看到這具有不可思議的潛力，” Gokul 說。
縮小大數據鴻溝
Lattice 示波器每小時可產生多達 3TB 的數據，因此可視化仍然經常在經過預處理並離線保存的數據上完成。
Gokul 說：“在理想世界中，當我們從示波器中獲取數據時，就會立即擁有分析所需的所有資訊，而非在一個月或六個月後才能獲得這些資訊。” 他補充說，收集數據和可視化數據的時間間隔可能長達數周至數月，但“我們需要在收集數據時就調整參數以對數據做出反應”，使生物學家可以真正利用示波器。
NVIDIA IndeX 軟體在功能日益強大的 GPU 上運行，這有助於縮小大數據的鴻溝。
未來，該團隊旨在應用最新的深度學習技術，但這也帶來了艱鉅的挑戰。 Gokul 說：“目前沒有強大的 AI 模型可用於這項工作。”
將數據提供給可以創建 AI 模型的 AI 專家，這將需要在飛機上裝運一箱硬碟，這是一個成本高且效率低的提議。因為最近工作產生了超過半個 PB 的數據，但是雲服務通常每天將上傳和下載的數據限制在 1TB 左右。
Betzig 和 Gokul 正在與雲運算巨頭的研究人員討論新的選擇，並探索利用 GPU 功能的新方法，因為這項工作潛力巨大。
面對挑戰
Betzig 說：“人類是視覺動物。當我認識的大多數人想到一個假設時，他們就會創建心理視覺模型。”
“顯微鏡的妙處在於，您可以在腦海中呈現有偏差的模型，然後立即將其與生物圖像的真實情況進行比較。”他說。
這項工作充滿了挑戰。 Betzig 說：“獲得諾貝爾獎彷彿被車撞一般令人震驚。您會感覺自己的生活已經安定下來，然後發生了一些事情以一種意想不到的方式改變了您，這種改變是一把雙刃劍。”
同樣，“在與 Gokul 一起工作的近幾年中，每台顯微鏡都有其局限性，導致我們總是使用下一台顯微鏡。就像您邁出五六步到達了成功頂峰，然後又會感到失望。”他說。
他補充說：“在與 NVIDIA 的合作中，我們將學習在工作中可能錯過的東西。這是我們重新評估事物的機會，可以從設計架構的人員那裡了解 GPU ，並了解如何將問題集與新解決方案融合在一起。”