第二次世界大战时代的作战方法融入现代构思，它正在协助对抗致命的埃博拉病毒，并有助于避免灾难性的流感大流行。
从闪电战，以及为保护伦敦免遭德国战机轰炸而随机确定目标的自动高射炮射击模式中，来自伊利诺伊大学厄巴纳-香槟分校和美国国家超级计算应用中心的 Eric Jakobsson 和来自斯坦福大学的 Amir Barati Farimani 得到了灵感。他们使用由 GPU 支持的类似随机算法开发出多个模拟分子模型，可以预测哪些抗体能高效对抗特定的埃博拉病毒株。
人们很难跟上埃博拉病毒的进化速度，每隔三到四年它就会发生一次突变。要尝试遏制每三到四个月突变一次的流感，可谓难上加难。但这正是这个想跟埃博拉病毒较劲的研究团队计划承担的挑战。
“我们知道，如果人类依然故我，最终将面临一场会夺去数百万生命的流感大流行，这是不可避免的。”Jakobsson 说。
“病毒最终将以我们难以预测的方式突变。”他继续说道，“我们希望可以将针对埃博拉研发得到的方法应用到流感中，以便以足够快的速度应对超高致命性的新型毒株。”
Jakobsson 和斯坦福化学博士后研究员 Farimani 打算结合使用历史方法和现代技术来对抗埃博拉病毒。凭借二战历史提供的战略，两人借助美国国家超级计算应用中心 (NCSA) 的 Blue Waters 超级计算机（运行 NVIDIA Tesla K20X GPU 加速器）来运行 Farimani 的分子模拟。
加速流感病毒研究
正常情况下，找到一种对抗埃博拉病毒的抗体可能需要数千人花费 10 至 15 年的时间，因为医学研究人员要等待看到人类实验对象的反应。
通过在 Blue Waters 上模拟这一过程，并应用生物信息和大量数据分析，Jakobsson 和 Farimani 能够缩短设计有效的埃博拉抗体的过程。
两位研究人员运行了数百次模拟，每次需要进行 24 至 48 小时的计算。最终，他们预测了模拟的埃博拉毒株在未来大约两年内的运动。
Farimani 说：“这为我们创造了巨大的空间，我们可以设计新一代抗体来对抗这种病毒。”
他表示，如果在 CPU 上运行模拟，得花上百倍的时间。正是凭借超高的性能，以 GPU 为中心的方法才得以轻松解决这一问题。
“这让我们有机会尝试更多方法。”Jakobsson 说，“这得益于 GPU。”
迅速应对可能造就不同结果
Jakobsson 表示，他们团队在研究如何预防流感的过程中，对计算的需求将大幅提升，这样一来，必须要借助机器学习和深度学习技术。
“大部分流感病毒仅引发轻微病症，并且只导致少数人死亡，但它们有大规模爆发的危险。”Jakobsson 说，“我们想要帮助人类准备好应对这种流行病。”
Jakobsson 和 Farimani 正在写一篇研究论文，其中介绍的工作相关情况将展现运用计算方式设计抗体在减少试验次数和错误数量，从而提高应对速度方面的前景。他们表示，当出现真正致命的流感病毒时，迅速应对的能力将尤为重要。
图片来源：NIAID