Обсуждаем проект Folding@Home.
Номер нашей команды: 47191
Страница регистрации в проекте F@H: https://apps.foldingathome.org/getpasskey Обязательна для получения бонусных очков
По вопросам работы универсального клиента обращайтесь в соответствующие ветки:
Универсальный (SMP+GPU) клиент v.7
Folding@Home под Linux
Статистика заданий и рекорды команды: [F@H] Статистика заданий
В этой ветке все о мониторинге клиента FAH http://forums.overclockers.ru/viewtopic ... 1&t=122378
Статусы основных серверов F@h: https://apps.foldingathome.org/serverstats
Список текущих проектов: https://apps.foldingathome.org/psummary?visibility=ALL
Статистика команды на сайте extremeoverclocking.com: https://folding.extremeoverclocking.com ... s=&t=47191
Статистика по общему количеству CPU\GPU, мощности проекта: https://stats.foldingathome.org/os
Статистика по отдельным картам и процессорам в проекте: https://folding.lar.systems/gpu_ppd/overall_ranks
Официальный форум проекта: https://foldingforum.org
Мы в Telegram - https://t.me/TSCRussia

я под этим аккаунтом с разных копьютеров заходил с разными процессорами и спасибо за обстоятельный ответ. получается старый пк не целесообразен для этих целей

либо 32 vm cores, либо (поскольку новенький) уж извините читак

Подскажите, почему почти каждый день происходит самопроизвольная остановка клиента ?

Скорее всего, переразгон.

У меня такое на компе (периодически) и на малинке (редко) имеет место быть.
Но ни то, ни другое не разогнано.

Одна из самых скучных жаб, до оранжевого на Folding EOC не дотянуть. Погнал с 73 до 77%, можно и дальше, но сомневаюсь в смысле при таком потреблении лепестричества

F@h не умер. Он стал обучающей базой следующего поколения.

Когда вышел AlphaFold2, все ждали некролога: «Folding@home больше не нужен, белки предсказаны». Но проект живёт — и я понял почему.

Знать, где стоит шахматная фигура в конце партии — не значит понять, как она туда пришла. AlphaFold даёт снимок. Один кадр. F@h снимал видео — как белок дрожит, сгибается, открывает скрытые карманы.

Эти видео Microsoft взял и обучил на них BioEmu. Модель, которая воспроизводит динамику белка в десятки тысяч раз быстрее классической симуляции. Опубликовано в Science в 2025-м.

Поворот, который мне нравится: твой WU (задание) — это не просто кредиты в статистике. Это эталонные данные для AI, который теперь делает за секунды то, на что раньше уходили месяцы суперкомпьютерного времени.

Разберём по частям — что именно произошло и почему это меняет смысл кранчинга.

Структура vs динамика — в чём разница

AlphaFold решил задачу предсказания формы белка по его аминокислотной последовательности. Это была главная задача структурной биологии 50 лет. Сейчас в базе AlphaFold Database — предсказанные структуры почти для всех известных белков.

Но белок — не камень. Он не стоит в одной позе. Он постоянно движется: немного разворачивается, прячет один участок, открывает другой. Эта подвижность — не шум, это функция. Именно в «открытом» состоянии белок может связаться с лекарством. Именно в скрытом кармане может быть мишень для терапии рака.

F@h 25 лет симулировал эту динамику. Накопил гигантский массив траекторий — в том числе больше 200 миллисекунд симуляционного времени, которые вошли в обучающий датасет BioEmu. Каждая миллисекунда — детальная траектория атомов. Таких данных нет ни у одного суперкомпьютера в мире.

Что такое BioEmu и зачем он нужен

BioEmu-1 (Biomolecular Emulator-1) — генеративная модель от Microsoft Research, опубликованная в Science в июле 2025-го. Код открытый, MIT-лицензия: github.com/microsoft/....

Задача: дашь ей аминокислотную последовательность — она выдаст тысячи возможных конформаций белка с правильным распределением вероятностей. По сути — имитация того, что делали симуляции F@h, только в десятки тысяч раз быстрее. Конкретно: 1000 структур за несколько минут до пары часов на одной GPU — в зависимости от размера белка. Классическое молекулярное моделирование заняло бы недели на кластере.

Точность модели такова, что учёные доверяют предсказанию достаточно, чтобы идти с ним в лабораторию — это порог реального drug discovery.

Данные F@h как сырьё для AI

Официальный блог F@h (август 2025) прямо называет датасет проекта одним из ключевых источников для обучения BioEmu. Смена роли: F@h из вычислительной лаборатории становится поставщиком эталонных данных.

На практике: каждый WU — не просто цифра PPD. Это отрезок траектории белка, который учит модель понимать динамику так же хорошо, как учёные понимают её по годам экспериментов. Разнообразие траекторий в датасете F@h — результат того, что тысячи разных хостов считали одни и те же белки в разных условиях. Это не воспроизвести на централизованном суперкомпьютере.

Личная позиция

Честно: я долго смотрел на F@h с вопросом — зачем кранчить, если AlphaFold уже всё предсказал? BioEmu дал ответ.

Смысл кранчинга сместился. Раньше — симуляция = результат. Теперь — симуляция = обучающий сигнал для следующего поколения инструментов. Distributed computing становится не конечным вычислителем, а генератором данных для AI.

Это хорошая новость для сообщества. Белки, над которыми F@h работает сейчас — KRas (один из самых упрямых онкогенов), BRCA1, белки Эболы с криптическими карманами — реальные мишени, не учебные задачи.

Если ещё не кранчите F@h: foldingathome.org. Клиент v8.4.9, стабильный.
Если интересна техническая сторона BioEmu: Разберём по частям — что именно произошло и почему это меняет смысл кранчинга.

Структура vs динамика — в чём разница

AlphaFold решил задачу предсказания формы белка по его аминокислотной последовательности. Это была главная задача структурной биологии 50 лет. Сейчас в базе AlphaFold Database — предсказанные структуры почти для всех известных белков.

Но белок — не камень. Он не стоит в одной позе. Он постоянно движется: немного разворачивается, прячет один участок, открывает другой. Эта подвижность — не шум, это функция. Именно в «открытом» состоянии белок может связаться с лекарством. Именно в скрытом кармане может быть мишень для терапии рака.

F@h 25 лет симулировал эту динамику. Накопил гигантский массив траекторий — в том числе больше 200 миллисекунд симуляционного времени, которые вошли в обучающий датасет BioEmu. Каждая миллисекунда — детальная траектория атомов. Таких данных нет ни у одного суперкомпьютера в мире.

Что такое BioEmu и зачем он нужен

BioEmu-1 (Biomolecular Emulator-1) — генеративная модель от Microsoft Research, опубликованная в Science в июле 2025-го. Код открытый, MIT-лицензия: github.com/microsoft/....

Задача: дашь ей аминокислотную последовательность — она выдаст тысячи возможных конформаций белка с правильным распределением вероятностей. По сути — имитация того, что делали симуляции F@h, только в десятки тысяч раз быстрее. Конкретно: 1000 структур за несколько минут до пары часов на одной GPU — в зависимости от размера белка. Классическое молекулярное моделирование заняло бы недели на кластере.

Точность модели такова, что учёные доверяют предсказанию достаточно, чтобы идти с ним в лабораторию — это порог реального drug discovery.

Данные F@h как сырьё для AI

Официальный блог F@h (август 2025) прямо называет датасет проекта одним из ключевых источников для обучения BioEmu. Смена роли: F@h из вычислительной лаборатории становится поставщиком эталонных данных.

На практике: каждый WU — не просто цифра PPD. Это отрезок траектории белка, который учит модель понимать динамику так же хорошо, как учёные понимают её по годам экспериментов. Разнообразие траекторий в датасете F@h — результат того, что тысячи разных хостов считали одни и те же белки в разных условиях. Это не воспроизвести на централизованном суперкомпьютере.

Личная позиция

Честно: я долго смотрел на F@h с вопросом — зачем кранчить, если AlphaFold уже всё предсказал? BioEmu дал ответ.

Смысл кранчинга сместился. Раньше — симуляция = результат. Теперь — симуляция = обучающий сигнал для следующего поколения инструментов. Distributed computing становится не конечным вычислителем, а генератором данных для AI.

Это хорошая новость для сообщества. Белки, над которыми F@h работает сейчас — KRas (один из самых упрямых онкогенов), BRCA1, белки Эболы с криптическими карманами — реальные мишени, не учебные задачи.

Если ещё не кранчите F@h: foldingathome.org. Клиент v8.4.9, стабильный.
Если интересна техническая сторона BioEmu: Разберём по частям — что именно произошло и почему это меняет смысл кранчинга.

Структура vs динамика — в чём разница

AlphaFold решил задачу предсказания формы белка по его аминокислотной последовательности. Это была главная задача структурной биологии 50 лет. Сейчас в базе AlphaFold Database — предсказанные структуры почти для всех известных белков.

Но белок — не камень. Он не стоит в одной позе. Он постоянно движется: немного разворачивается, прячет один участок, открывает другой. Эта подвижность — не шум, это функция. Именно в «открытом» состоянии белок может связаться с лекарством. Именно в скрытом кармане может быть мишень для терапии рака.

F@h 25 лет симулировал эту динамику. Накопил гигантский массив траекторий — в том числе больше 200 миллисекунд симуляционного времени, которые вошли в обучающий датасет BioEmu. Каждая миллисекунда — детальная траектория атомов. Таких данных нет ни у одного суперкомпьютера в мире.

Что такое BioEmu и зачем он нужен

BioEmu-1 (Biomolecular Emulator-1) — генеративная модель от Microsoft Research, опубликованная в Science в июле 2025-го. Код открытый, MIT-лицензия: github.com/microsoft/....

Задача: дашь ей аминокислотную последовательность — она выдаст тысячи возможных конформаций белка с правильным распределением вероятностей. По сути — имитация того, что делали симуляции F@h, только в десятки тысяч раз быстрее. Конкретно: 1000 структур за несколько минут до пары часов на одной GPU — в зависимости от размера белка. Классическое молекулярное моделирование заняло бы недели на кластере.

Точность модели такова, что учёные доверяют предсказанию достаточно, чтобы идти с ним в лабораторию — это порог реального drug discovery.

Данные F@h как сырьё для AI

Официальный блог F@h (август 2025) прямо называет датасет проекта одним из ключевых источников для обучения BioEmu. Смена роли: F@h из вычислительной лаборатории становится поставщиком эталонных данных.

На практике: каждый WU — не просто цифра PPD. Это отрезок траектории белка, который учит модель понимать динамику так же хорошо, как учёные понимают её по годам экспериментов. Разнообразие траекторий в датасете F@h — результат того, что тысячи разных хостов считали одни и те же белки в разных условиях. Это не воспроизвести на централизованном суперкомпьютере.

Личная позиция

Честно: я долго смотрел на F@h с вопросом — зачем кранчить, если AlphaFold уже всё предсказал? BioEmu дал ответ.

Смысл кранчинга сместился. Раньше — симуляция = результат. Теперь — симуляция = обучающий сигнал для следующего поколения инструментов. Distributed computing становится не конечным вычислителем, а генератором данных для AI.

Это хорошая новость для сообщества. Белки, над которыми F@h работает сейчас — KRas (один из самых упрямых онкогенов), BRCA1, белки Эболы с криптическими карманами — реальные мишени, не учебные задачи.

Если ещё не кранчите F@h: foldingathome.org. Клиент v8.4.9, стабильный.
Если интересна техническая сторона BioEmu: https://github.com/microsoft/bioemu

#77