打造大功率激光器GPU竟可降低癌症治疗费

通过GPU计算，世界上诸多重大计算难题都得以解决，而其覆盖的行业相当广泛，比如在医学研究领域，研究人员正利用GPU来降低癌症治疗的费用。他们是如何做到的呢？其核心在于，如何打造低价小尺寸的大功率激光驱动离子加速器。

在癌症治疗当中，离子加速器被用于离子束放射疗法，这种方式可精确瞄准癌症肿瘤，同时不伤害周围的健康组织。而且这种定向的疗法可减少开刀手术、缩短住院天数以及加快康复速度。但缺点是，传统的离子加速器往往尺寸巨大、费用高昂。这一点超出了大多数医疗机构的预算。

而利用强大的GPU集群来开发全新的代码和模拟，就可以打造低价小尺寸的大功率激光驱动离子加速器。

位于德国德累斯顿的德累斯顿-罗森道夫研究中心的MichaelBussmann当前正率领着一支计算放射物理学研究团队，推进这项研究工作。今年3月，他还在GPU技术大会上介绍了自己团队目前的工作进展。

创建实景模拟并将物理现象加入程度代码中曾经被认为是不可能的。而现在凭借GPU的并行处理能力，这一点就可以实现。Bussman指出，当评估电子时，我们可以跟踪每一个单独的粒子，并可计算每个粒子对激光驱动等离子体所散发出来的整体放射的作用。

想要把离子的激光加速付诸应用，我们需要逼真的模拟。PIConGPU算法就是完成逼真模拟的一种方式，并且已成为计算等离子物理学中应用最广泛的算法之一，它开启了人们对激光与物质之间交互作用的全新理解。

通过利用GPU还能够获得更高的计算性能和更快的处理速度并且能够缩短编码耗时。过去需要一周时间的模拟任务现在仅需数小时即可完成。

全新的大功率激光器正是借助PIConGPU算法而建造的，其中包括德累斯顿-罗森道夫研究中心目前在建的拍瓦激光器Penelope。

Bussmann称：“我们将通过大量的代码更好地估算激光的工作效果，因为治疗工作永远不会仅是一击了事。我们想要寻找更多方法来治疗癌症。现在有很多种疗法，而激光意味着你可以从截然不同的点来进行治疗。”

毫无疑问，强大的并行计算能力是GPU能够加速这种计算密集型任务的基础，无论是科学与医学成像、能源勘探、金融分析和预测、气候模拟，还是目前最火热的深度学习，通过GPU都可大大缩短过去需要数月甚至更长时间才能完成的计算任务，大幅推进研究进程。

赞赏