美国多个部门启动利用深度学习技术推动抗癌研究项目

　　美国多个部门正启动“用于癌症的先进计算解决方案联合设计”(JDACS4C)项目，试图利用深度学习技术推动抗癌研究。国外媒体近期刊文，对这一项目进行了介绍。

　　里克·史蒂芬斯(Rick Stevens)表示，到2017年第二季度，“用于癌症的先进计算解决方案联合设计”(JDACS4C)的首批成果将会公布。他负责了JDACS4C三大试点项目之一。这些项目获得了美国能源部的资助，试图利用深度学习技术去从事“抗癌战争”，不仅推动癌症的研究和治疗，还希望发展深度学习能力和基础设施，推进百亿亿次级计算机的应用。

　　从各个方面来看，美国的抗癌战争和精准医疗计划(PMI)都有着远大目标。以往的抗癌战争项目效果不是很好，但这并不意味着没有取得任何成果。目前的前景看来更好。生物医药科学取得的进展，以及下一代先进计算机成为了强大的赋能设备。深度学习技术的兴起推动了由数据驱动的科学，这也是许多人感到乐观的原因。

　　JDACS4C的3个试点项目涵盖了从分子学到人口学的研究，也是对“癌症分布式学习环境”(CANDLE)的支持。这些项目的目标是“提供关于可扩展机器学习工具的研究信息;发展深度学习、模拟和分析技术，减少解决问题的时间;为未来计算解决方案的设计提供参考”。最终希望是“有效利用不断增长、逐渐多样化的癌症相关数据，建立预测模型，提供对这种疾病更好的理解，为个人患者的治疗结果提供指南，支持医疗决策，从而建立未来多年癌症研究的新范式”。

　　这些目标非常远大。不过，JDACS4C的起源有些复杂。这可以归入PMI项目、美国癌症研究所(NCI)的“癌症登月”项目，同时又与美国战略计算项目(NSCI)相适应。史蒂芬斯表示，关于启动JDACS4C的讨论从几年前开始，第一轮资金于今年8月开始投入。

　　以下是3大试点项目的简介：

　　1.RAS分子项目。这一项目计划开发新的计算方法，支持当前RAS行动中已开展的研究。最终目标是增强对癌症中RAS基因及相关信号通道的理解，在RAS蛋白膜信号复合体中找到新的治疗目标。

　　2.临床前筛查。这一项目将基于试验性的生物数据开发“机器学习、大规模数据和预测模型”。思路是创建反馈循环，让实验模型指导计算模型的设计。这些预测模型可能指向癌症中的新目标，协助找到新的治疗方式。

　　3.人口模型。这一项目计划开发可扩展的框架，有效地归纳、总结、分类癌症病人的医疗记录。这样的引擎在医疗健康的多个方面，包括数据分发、成本控制和科研中，都非常强大。

　　JDACS4C需要多部门的参与。美国癌症研究所的参与部门包括生物医学信息和信息技术中心、癌症治疗和诊断部、癌症控制和人群科学部，以及弗雷德里克癌症研究国家实验室。美国能源部的4所国家实验室也参加了这一项目，包括阿尔贡国家实验室、橡树岭国家实验室、劳伦斯-利佛莫国家实验室，以及洛斯-阿拉莫斯国家实验室。

　　史蒂芬斯表示，当项目聚集在一起之后，“我们意识到，每个项目都需要深度学习技术，但有着不同的使用方法。因此这里的思路是，我们需要合作开发软件环境和网络拓扑结构，以及其他所需的一切，从而不会干重复劳动。”研究人员定义了关键指标，以“解决与癌症不同子问题相关的深度学习问题”。

　　最初的第一步是吸引供应商的参与。史蒂芬斯表示，这并不难，因为所有的HPC(高性能PC)供应商都制定了积极的深度学习发展路线图。大部分厂商都认为，JDACS4C试点项目是个学习和改进的良机。目前，JDACS4C的合作方包括英特尔、Cray、英伟达和IBM等。

　　史蒂芬斯表示：“所有拥有DGX-1超级计算机，以及英伟达，都优化了针对不同GPU的大部分通用框架。DGX-1就像是一种常见家电，我们开发并运行在DGX-1之上的所有一切都可以很容易地分发。英特尔自身也有庞大的计划，但还没有全部公布。我可以说，我们正在与英特尔所有合适的部门展开合作。”史蒂芬斯本人是阿尔贡国家实验室的研究员，负责了临床前筛查项目。

　　英特尔近期在深度学习领域的动作频频。英特尔收购了深度学习平台Nervana，而近期还发布了进一步计划。史蒂芬斯表示：“他们正在讨论Knights X的新版本，这一版本针对机器学习进行了优化。在他们的路线图上，Knights Mill是首个这样的版本。”在近期SC16超级计算大会上，英特尔还推出了深度学习推理加速卡，其硬件基于FPGA，而软件则是神经网络加速解决方案。史蒂芬斯表示，与英伟达类似，英特尔应当制定通用设备战略。

　　与此同时，谷歌(微博)、微软和Facebook也在深度学习框架方面进行了大量工作。史蒂芬斯表示：“我们正在评估，哪一框架最适合解决我们的问题，我们正在与供应商合作，从硬件上进行优化。我们也在与利佛莫实验室合作，他们的内部项目包括开发可扩展的人工神经网络框架LBANN。”

　　JDACS4C的计划是让模型的发展独立于深度学习框架。如果更换框架，JDACS4C也不必对模型进行调整。在深度学习领域，这是非常常见的方法，即设置用于模型表达的脚本层。史蒂芬斯表示：“我们正同时与学术界和英伟达合作，在顶层开发工作流引擎。我们开发了分层架构，这涉及到与深度学习领域各个不同组织的合作。”

　　“有趣的是，下一代平台的供应商正拥抱架构概念和特性，从而加速机器学习的发展。”他指出，市场压力，以及深度学习相对于传统高性能PC的快速发展正推动供应商向这一方向发展。

　　目前，JDACS4C试点项目仍处于启动初期，但这一项目受到的期望很高。史蒂芬斯指出，美国癌症研究院和美国能源部正在获得尚不具备的能力。“美国癌症研究院缺乏数学家和计算机科学家，而美国能源部有这样的人才。此外他们也没有高性能计算机。目前，我们能源部能获得实验数据、实验设施和公共数据库。”