[论文解读] High-productivity, high-performance workflow for virus-scale electrostatic simulations with Bempp-Exafmm

Tingyu Wang, Christopher D. Cooper+2 more|arXiv (Cornell University)|Mar 1, 2021

Bacteriophages and microbial interactions参考文献 26被引用 5

一句话总结

本文提出了一种基于 Bempp-Exafmm 的高效率、高性能病毒尺度静电模拟工作流程，结合了 Bempp 的基于 Python 的边界元方法与 Exafmm 的核无关快速多极子方法。该框架实现了 O(N) 缩放的交互式、基于 Jupyter 的泊松-玻尔兹曼求解器原型设计，在单节点上完成对 1000 万个边界元的寨卡病毒溶剂化自由能计算仅需 80 分钟。

ABSTRACT

Biomolecular electrostatics is key in protein function and the chemical processes affecting it. Implicit-solvent models via the Poisson-Boltzmann (PB) equation provide insights with less computational cost than atomistic models, making large-system studies -- at the scale of viruses -- accessible to more researchers. Here we present a high-productivity and high-performance linear PB solver based on Exafmm, a fast multipole method library, and Bempp, a Galerkin boundary element method package. The workflow integrates an easy-to-use Python interface with optimized computational kernels, and can be run interactively via Jupyter notebooks, for faster prototyping. Our results show the capability of the software, confirm code correctness, and assess performance with between 8,000 and 2 million elements. Showcasing the power of this interactive computing platform, we study the conditioning of two variants of the boundary integral formulation with just a few lines of code. Mesh-refinement studies confirm convergence as $1/N$, for $N$ boundary elements, and a comparison with results from the trusted APBS code using various proteins shows agreement. Our binding energy calculations using 9 various complexes align with the results from using five other grid-based PB solvers. Performance results include timings, breakdowns, and computational complexity. Exafmm offers evaluation speeds of just a few seconds for tens of millions of points, and $\mathcal{O}(N)$ scaling. The trend observed in our performance comparison with APBS demonstrates the advantage of Bempp-Exafmm in applications involving larger structures or requiring higher accuracy. Computing the solvation free energy of a Zika virus, represented by 1.6 million atoms and 10 million boundary elements, took 80-min runtime on a single compute node (dual 20-core).

研究动机与目标

• 开发一种超越领导级计算设施的可访问、高效率的大型生物分子静电模拟平台。
• 通过高级 Python 代码实现线性泊松-玻尔兹曼方程边界积分公式的快速原型设计。
• 通过集成 Bempp 和 Exafmm 实现对病毒尺度系统（最多 1000 万个边界元）的高性能计算。
• 与 APBS 和基于网格的方法等成熟求解器对比，验证其精度与性能。
• 展示在标准 HPC 硬件上实现完整病毒交互式、高保真静电模拟的可行性。

提出的方法

• 工作流程结合了 Bempp（一个基于 Python 的伽辽金边界元方法库）与 Exafmm-t（一个高性能核无关快速多极子方法（kifmm）库）。
• 在线性泊松-玻尔兹曼方程的边界积分方程通过 Bempp 的高级 Python 接口实现伽辽金离散化。
• Exafmm-t 通过边界元的分层聚类和远场相互作用的低秩近似，加速矩阵-向量乘积。
• 该算法在双树遍历中使用粒子到多极（P2M）、多极到多极（M2M）、多极到局部（M2L）、局部到局部（L2L）、局部到粒子（L2P）和粒子到粒子（P2P）转换。
• 该框架支持直接和 Juffer 型边界积分公式，公式更改仅需少量代码修改。
• 整个工作流程封装在 Jupyter 笔记本中，支持交互式使用和可复现性，并通过 Docker 支持可移植性。

实验结果

研究问题

• RQ1 一种高效率、交互式基于 Python 的工作流程能否在病毒尺度静电模拟中实现高性能？
• RQ2 Bempp-Exafmm 框架在大型生物分子系统中与 APBS 等成熟求解器相比，在精度和性能上表现如何？
• RQ3 Bempp-Exafmm 求解器在系统包含最多 200 万个边界元时的计算复杂度和缩放行为如何？
• RQ4 该框架能否高效计算寨卡病毒等大型病毒的溶剂化自由能？
• RQ5 在仅需极少代码修改的情况下，不同边界积分公式的条件数在实际中如何比较？

主要发现

• Bempp-Exafmm 工作流程实现了 O(N) 计算复杂度，使用 Exafmm-t 对数千万个点的评估速度仅需几秒。
• 网格细化研究证实了以 1/N 的速率收敛，验证了求解器的数值精度。
• 对九个蛋白质复合物的结合能计算结果与另外五种基于网格的 PB 求解器结果高度一致。
• 该框架在单个双 20 核计算节点上，仅用 80 分钟即正确计算出包含 160 万个原子和 1000 万个边界元的寨卡病毒模型的溶剂化自由能。
• 与 APBS 的性能对比表明，由于更优的缩放特性和更低的内存占用，Bempp-Exafmm 在更大规模或更高精度应用中更具优势。
• 交互式 Jupyter 笔记本界面使仅用几行代码即可快速原型设计并比较不同边界积分公式成为可能。