超级计算机告诉你:你在飞机上感染病毒的风险有多大?

作者:狗格格/编译来源:蝌蚪五线谱发布时间:2020-04-14

Frontera超级计算机开发了“CALM”模型计算。

飞机一直有细菌培养皿之称,但同样的,也有方法能将风险降到最低。

基于人类与动物群体运动的历史研究,科学家们提出来三条基本规则:离那些聚集在一起的人远点;和那些彼此保持远距离的人们近点;和周围人们的行动方向保持一致。

该研究尤其适用于航空旅行,因为身处其中时,会增加感染传染性疾病的风险。

flying-people-sitting-public-transportation

图自pexels

西佛罗里达大学的计算机教授Ashok Srinivasan表示:“登机的时候人们会被迫站在一起,距离非常近。共同使用的区域越多,就越危险。但下飞机的速度会快得多,也比登机顺利,时间就缩短了。”

Srinivasan是一位行人动力学模型的研究员,该模型近日正被用于分析如何降低飞机上的疾病传播风险。

多年来,科学家们最常依赖的是SPED模型,即将每一个个体都视为一个例子。在该模型中,粒子之间的吸引与排斥控制着它们的运动,一个粒子就相当于一个人类。

Srinivasan表示:“SPED模型通过改变粒子间相互作用的参数值,使之在反应人与人之间相互作用的同时,维持了原有的功能形式。”

Srinivasan及其同事曾用SPED模型分析2015年埃博拉病毒爆发的风险,但该模型有一个缺陷——速度慢。这导致很难使用该模型提供及时的决策,然而在类似COVID-19这样的疫情下,人们需要的是一个能够快速得出答案的方案。

Frontera-Supercomputer-TACC-777x504

图自TACC

在2019年的排名中,Frontera是世界第五大超级计算机,也是最快的学术超级计算机。

因此,研究人员人员,建立一个与SPED相同、但速度更快的模型是有必要的。据此,他们提出来CALM模型,用于模拟人群中受约束的个体线性运动。它生成的结果与SPED相似,但运行速度要比SPED快得多。

研究结果表明,CALM的运行速度几乎是SPED的60倍。除了性能上的提升,研究人员还用CALM创建了额外的行人行为参数。

Srinivasan表示:“CALM克服了SPED在实时决策上的局限性。”

Frontera的计算工作

为了能高效运行,科学家们重新设计了CALM模型,尤其是在GPU处理上。

“但有一个问题是,是否涵盖了足够多的场景,以覆盖各种可能性,”Srinivasan说道,“通过Frontera,我们进行了足够大规模的模拟,并得到了答案。”

Mellanox-InfiniBand-Network-Core-Switches-777x458

图自TACC

Frontera六个Mellanox InfiniBand网络核心交换机之一,其用途是用于路由服务器节点之间的通信。每根电缆的带宽达到每秒200千兆字节,每个核心交换机有600根电缆。

实际情况中,由于不确定性太多,尤其是在流行病的早期阶段,要进行精确的测算是不可能的,因此该研究在计算上的挑战性不低。

Srinivasan表示:“我们需要涵盖大量的可能性,这会导致CPU的占用率很高。”

研究人员利用三种不同类型飞机的离岗时间来验证他们的研究结果。由于单一的模拟无法捕捉人类运动模式的多样性,于是他们便用1000种不同的数值组合进行模拟,并将其与经验数据进行比较。

使用Frontera的GPU子系统,研究人员能够将计算时间减少到1.5分钟。

模型不捕捉极端事件?

Srinivasan希望人们能够理解,科学模型往往无法精确地捕捉到极端时事件和特殊场景。尽管他们已经对飞行进行了数次深入的实证调查以了解人类行为与物体表面及空气清洁度之间的关系。但重大的感染暴发是一种极端事件,建立在典型情况之上的数据可能无法捕捉到这种极端情况。

Deplaning-Simulation-777x979

飞机离地仿真模拟

图自Ashok Srinivasan, Professor, Department of Computer Science, University of West Florida

每天平均有10万个航班,仅仅因为航班数量如此之多,就有可能会出现一次极低概率的事件引爆一场感染事件的情形发生。

Srinivasan举了一个例子。

“人们一般会认为,飞机上发生的感染传播会出现在病人的前后两排座位中。非典爆发期间,几架发生了感染传播的航班上的情况就基本是如此。但一次爆发,前后两排的感染者实则只占一般,另一半感染者的座位距离那两排还有段距离。因此人们可能会将此次爆发当成一次离群现象,然而离群者的影响才是最大的,最后便导致航班上最终的感染者数量相当大。”

Frontera-Supercomputer-Network-Interconnect-777x535

图自TACC

目前关于COVID-19的普遍认知是,一个感染者会导致2.5人患病。但其中也有一些社群中的超级传播者感染大量人群,从而在疫情爆发中起到了推波助澜的作用。Srinivasan表示,这些极端事件会影响到建模的精确度,从而令预测变得十分困难。

一些实用的建议

Srinivasan说道:“即使你与患者的距离超过了6英尺(1.8米),也仍有感染病毒的风险。”有的理论模型有可能忽略了空气流动的作用,就像气球随风飘远一样,携带着病毒的飞沫也可能会沿着气流而飞得更远。

这些因素并非仅存在于理论层面上。新加坡就曾在佚名患者使用过的厕所的排气口检测出新冠病毒阳性。

Srinivasan总结道:“模型无法解释现实中的所有因素。风险很高时,人们可能宁求稳妥。”


蝌蚪五线谱编译自scitechdaily,译者狗格格,转载须授权

扫码加蝌蚪五线谱微信