QuChemPedIA@home

[taurec]

Wie von Roadranner schon im "Neue Projekte"-Thread angekündigt:
QuChemPedIA@home
Läuft derzeit bei mir auf dem i7-4790-k auf 4 Threads, Laufzeiten kann ich noch keine klare Linie erkennen, Checkpoints auch nicht.
Gibt die Möglichkeit, MAX CPUs und MAX WUs zu begrenzen oder einzustellen, aber das funktioniert anscheinend noch nicht so toll. Gerade neuen Rechner hinzugefügt mit anderem Profil, rechnet trotzdem 1 WU nur mir 1 Thread.
Mal beobachten. Bin da auch noch am Testen.
Laufzeiten bisher zwischen 6800 und 40000s, Credits werden entsprechend den Laufzeiten vergeben, so wie es bei mir da so aussieht: ca. 38 Credits pro Stunde auf dem o.g. PC.

Wir liegen derzeit auf Rang 18, Tendenz steigend

[pschoefer]

Ein Fachartikel wurde im Journal of Cheminformatics veröffentlicht und motiviert die aktuell von QuChemPedIA@home durchgeführten Berechnungen:

Wissenschaftliche Veröffentlichung
Hallo zusammen!

Unser Artikel mit dem Titel "Dataset’s chemical diversity limits the generalizability of machine learning predictions" (übersetzt etwa: Die chemische Vielfalt eines Datensatzes limitiert die Verallgemeinerbarkeit der Vorhersagen maschinellen Lernens) wurde angenommen und veröffentlicht! Er ist frei zugänglich:
https://jcheminf.biomedcentral.com/a...K395ODe941Y3_0

Falls ihr Fragen dazu habt, kontaktiert uns gern über das Projektforum (unter dieser Nachricht).

Grüße!
Benoit

Hier ist eine Nachricht von Thomas Cauchy über unsere Forschung:

Hallo,

ich bin der Chemiker hinter diesem Projekt. Die von Benoit Da Mota genannte Veröffentlichung wurde verfasst, als wir das BOINC-Projekt gestartet haben. Aber ich kann einige Sätze aus dem Artikel herausziehen, um zu zeigen, was wir uns dabei denken:

"Zusammenfassung: Der Datensatz QM9 ist zum Goldstandard für Vorhersagen verschiedener chemischer Eigenschaften durch maschinelles Lernen (ML) geworden. QM9 basiert auf GDB, was eine kombinatorische Untersuchung des chemischen Parameterraums ist. Kürzlich wurden ML-Vorhersagen für Moleküle mit einer Genauigkeit veröffentlicht, die mit Berechnungen auf Basis der Dichtefunktionaltheorie vergleichbar ist. Solche ML-Modelle müssen anhand echter Daten getestet und verallgemeinert werden. In diesem Artikel wird PC9 vorgestellt, ein neuer, zu QM9 äquivalenter Datensatz (nur mit H, C, N, O und F und bis zu 9 "schweren" Atomen) des PubChemQC-Projektes. Eine statistische Untersuchung von Bindungslängen und chemischen Funktionen zeigt, dass dieser neue Datensatz eine größere chemische Vielfalt umfasst. Die Methoden Kernel Ridge Regression, Elastic Net und das neurale Netzwerk von SchNet wurden auf beide Datensätze angewandt. Die Genauigkeit der Energievorhersage ist insgesamt höher für den QM9-Datensatz. Ein mittels PC9 trainiertes Modell zeigt jedoch eine bessere Fähigkeit, die Energien des anderen Datensatzes vorherzusagen."

Der Datensatz QM9 enthält etwa 130000 kleine Moleküle, wohingegen unser Datensatz PC9 119000 enthält (aber aus einer anderen Art von Berechnungen stammt). Das Problem ist, dass die vollständigen Ergebnisse von QM9 nicht frei verfügbar sind. Sie haben einige Ergebnisse der teuren quantenmechanischen Berechnungen extrahiert und das Protokoll weggeworfen. Wir sind nicht mit PC9 zufrieden, da sich einfach zeigen ließ, dass eine größere chemische Vielfalt benötigt wird.

Derzeit zielt das BOINC-Projekt darauf, die interessanten Moleküle aus QM9 und PC9 dieses Mal mit gleichartigen Berechnungen neu zu berechnen. Alle Ergebnisse werden in der QuChemPedIA unter https://quchempedia.univ-angers.fr verfügbar sein, wenn diese Plattform etwas robuster ist (Anfang 2020), auf Augenhöhe mit unserem Programm zur Qualitätskontrolle.
Wir sind noch nicht völlig zufrieden mit NWChem. Mit dem gleichen BOINC-Projekt verwenden Benoit Da Mota und ich das proprietäre Gaussian, welches effizienter ist. Aber NWChem ist quelloffen...
Wir haben dank eurer Hilfe etwa 130000 von 200000 berechnet!
Wir hoffen, der Gemeinschaft im Dezember vorschlagen zu können, neue Moleküle zu berechnen, die vielleicht gar nicht existieren und nicht stabil sind, um dem maschinellen Lernen zu helfen, besser zu verallgemeinern. Diese neuen Moleküle werden auch durch maschinelles Lernen erzeugt. Es würde zu lange dauern, das jetzt hier zu erklären.

Falls ihr Fragen habt...
Mit freundlichem Gruß,
Thomas

13.11.2019, 20:33:58 MEZ

Originaltext:

Scientific publication
Hello everybody!

Our article titled "Dataset’s chemical diversity limits the generalizability of machine learning predictions" was accepted and published ! It is an Open Access article :
https://jcheminf.biomedcentral.com/a...K395ODe941Y3_0

If you have any question, feel free to contact us on the forum of the project (under this message).

Cheers !
Benoit

Here is a message from Thomas Cauchy about our reseach :

Hello,

I am the chemist of this project. The publication mentioned by Benoit Da Mota was written when we launch the boinc project. But I can extract some sentences of this article to show what we have in mind :

"Abstract: The QM9 dataset has become the golden standard for Machine Learning (ML) predictions of various chemical properties. QM9 is based on the GDB, which is a combinatorial exploration of the chemical space. ML molecular predictions have been recently published with an accuracy on par with Density Functional Theory calculations. Such ML models need to be tested and generalized on real data. PC9, a new QM9 equivalent dataset (only H, C, N, O and F and up to 9 "heavy" atoms) of the PubChemQC project is presented in thisarticle. A statistical study of bonding distances and chemical functions shows that this new dataset encompasses more chemical diversity. Kernel Ridge Regression, Elastic Net and the Neural Network model provided by SchNet have been used on both datasets. The overall accuracy in energy prediction is higher for the QM9 subset. However, a model trained on PC9 shows a stronger ability to predict energies of the other dataset."

The QM9 dataset has around 130k small molecules, when our PC9 has 119k (but was extracted from another type of calculations). The problem is that the full results of the QM9 are not openly available. They have extracted some results of the costly quantum mechanics calculations and trashed the log. We are not satisfied by PC9 that was a simple demonstration that more diversity is needed.

For the moment the boinc project is aiming at recalculating the interesting molecules of QM9 and PC9 with the same level of calculation this time. All the results will be available at the quchempedia document base https://quchempedia.univ-angers.fr when this platform will be a little bit more robust (beginning 2020) in par with our quality control tool as written by my colleague.
We are not fully happy with NWChem yet. With the same boinc project Benoit Da Mota and myself, are using Gaussian (proprietary) which is much efficient. But Nwchem is open source...
We have calculated roughly 130 k over 200 k thanks to your help!
For December we hope to propose to the community to calculate new molecules that maybe don't even exist and are not stable in order to help machine learning tool to generalize better. Those new molecules will be generated by a machine learning procedure. Too long to explain here right now.

If you have any question...
Kindly
Thomas

13 Nov 2019, 19:33:58 UTC

[XSmeagolX]

Ich habe das Projekt soeben in den SG-Stats integriert.

https://stats.seti-germany.de/teamst...id=QuChemPedIA

[lugu]

Bei dem Papertitel dachte ich zuerst auch nur: Ach was, sag bloß!

Aber, dass durch Methoden des maschinellen Lernens mittlerweile Ergebnisse herauskommen, die auf DFT-Niveau liegen, ist schon stark. Vielleicht überwinde ich mich doch mal und richte auf einem Rechner eine Virtuelle Box ein.

[taurec]

Inzwischen liegen wir auf #5, demnächst #4.
Zu #3 bräuchte es dann schon einen etwas längeren Atem oder mehr Beteiligung vom Team

Die 100k habe ich inzwischen durch, HJL folgt bald....

[JayPi]

Angefangen habe ich auch schon, jetzt muss ich aber erst bei 2 anderen Projekten die Stände glatt ziehen, dann werde ich hier auch eine Million bereitstellen.

[[SG] steini]

BoincStats sagt: Account creation disabled

[taurec]

Invitation code : 3VwMu3-eTCg32

https://quchempedia.univ-angers.fr/athome/about.php
geht's damit?

[Urs]

Projekt grade nicht erreichbar.

Korrektur. Anmeldung direkt auf der Projektseite geht, in den BM laden nicht.

K2. Nu hab ichs. Die Laufzeiten scheinen ja durchauz zu schwanken?! Hab mal bei JayPi gespickt.

[Urs]

Welche Laufzeiten sind denn normal?
Ich habe da 2 Aufgaben die laufen bereits über 2 Tage und sind bei 55%.
Insgesamt hab ich 3 Aufgaben und nu noch ne Frage da ich keine Erffahrung mit VB habe. Im BM hat jede Aufgabe einen thread aber wenn ich die VB aufrufe steht da das nur 1 Kern freigegeben ist. Ist das so normal oder muss ich da was umstellen?
Die anderen Projekte die gleichzeitig ohne VB laufen scheinen normale Laufzeiten zu haben.

[taurec]

Hallo Urs, meine Rechner sind jetzt sichtbar, kannst ein wenig stöbern.
Laufzeiten total unterschiedlich, gibt WUs (t1) belegen einen Thread und (t2) belegen zwei Threads.
So ganz komme ich noch nicht hinter das System in den Einstellungen.

[Urs]

Danke taurec! Du hast ausschliesslicch Linux laufen. Mal sehen was die VB bei mir bringt. Lass die einfach mal fertig laufen.
Wenn die wus 5 Tage laufen und dann 100 creds bringen macht das keinen Sinn. Mal sehen.

[JayPi]

Kaum steige ich hier ein ... ist das Projekt leer

[taurec]

Es gibt wieder Arbeit

[JayPi]

Mir ist aufgefallen, dass unter Windows VirtualBox ingesetzt wird. Die RAM-Auslastung ist da mit 2GB je VM doch gewaltig und bringt meine Rechner an die (RAM-)Grenzen.
Unter Linux sieht die Welt ganz anders aus: Hier laufen die WUs native - ohne VM. Daher kann ich jetzt unter Linux 16 WUs ohne Probleme parallel laufen lassen.

[taurec]

Ich habe hier mit Linux pro WU ca. 1,2 bis 1,6 GB benötigten RAM laut WU-Eigenschaften.

Edit: WU 0d9..........................

[JayPi]

Ich habe hier mit Linux pro WU ca. 1,2 bis 1,6 GB benötigten RAM laut WU-Eigenschaften.

Edit: WU 0d9..........................

Auf 2 Linux-Rechner habe ich mal nachgeschaut: Mit jeweils 16 Treads werden incl. Betriebssystem keine 3 GB RAM belegt.

[JayPi]

Nachdem ich die WU-Beschränkungen für meine Linux Rechner aufgehoben habe und einen weiteren kleinen Linux-Rechner ohne VirtualBox hinzugefügt habe, konnte ich den Output noch um rund 33% steigern.

[JayPi]

Nachdem ich meine Million voll habe gibt es eine Kurze Zusammenfassung meiner Erfahrungen in diesem Projekt:

Linux:
Linuxrechner sind klar im Vorteil. Die WUs benötigen keine VM, belegen lediglich ca. 150 MB RAM pro Stück und sie laufen relativ zuverlässig. Selten musste ich hier eingreifen.

Windows:
Windowsrechner sind die Verlierer: Eine einzelne WU benötigt VirtualBox und belegt dadei 2 GB RAM. Hier muss die Anzahl der parallel laufenden WUs beschränkt werden, da meistens nicht genügend RAM im Rechner steckt. Dafür gibt es in den Projekteinstellungen eine elegante Möglichkeit ("Maximale Anzahl Aufgaben" und "Maximale Anzahl CPUs"). Die Zuverlässigkeit der WUs ist nicht so gut, öfters bleibt eine WU bei knapp 100% stecken oder verbraucht keine CPU Leistung mehr. Diese habe ich abgebrochen. Auch stellte ich häufig fest, dass eine WU "verschoben" ist und nicht mehr läuft. Hier hilft Neustart von BOINC oder Abbruch der WU. Beim Abbruch übernimmt die neu geladene WU die verwaiste, gestoppte VM und arbeitet mit dieser weiter.

Laufzeit:
Gewöhnlich benötigen die WUs 30-60 Minuten. Credits liegen im üblichen Rahmen, es gibt 30-40 je Stunde. Öfters laufen die WUs auch länger, bis zu mehreren Stunden. Auch hier werden die Credits korrekt vergeben - sofern die WUs nicht stecken bleiben. 2-3x am Tag habe ich alle Rechner geprüft und stecken gebliebene, "verschobene" oder zu lang laufende WUs abgebrochen. Dieses Projekt benötigt ständige Kontrolle.

Projektabschluss:
Wenn man nicht mehr für dieses Projekt weiter rechnen will müssen Windows-Rechner aufgeräumt werden:
Nach dem Abmelden des Projektes können VMs bei VirtualBox noch als "nicht zugreifbar" gelistet sein. Diese müssen gelöscht werden. Desweiteren sollte man in den slots-Verzeichnissen mögliche Überreste löschen. Zuletzt, oder besser zuerst im Taskmanager prüfen, ob noch vboxHeadless-Prozesse laufen. Wenn keine VMs mehr laufen sollten, dann müssen diese auch manuell abgebrochen werden.

[HJL]

Anmerkung noch zu JayPi's Zusammenfassung:

ich sehe keinen wirklichen Grund da Windows-WUs zu rechnen, wenn schon VirtualBox,
dann kann man ja gleich ein Linux-System aufsetzten und BOINC installieren !!
hat den Vorteil, wenig RAM, stabil laufende WUs (selbst bei Volllast der CPU)
und es spart den ganzen Ärger, den JayPi beschrieben hat ..

Cheers 😊

[taurec]

servus HL und JayPi,
einziges Manko der WUs/des Projektes (hier Linux) ist noch:
Auf "Anhalten" stellen einer WU bedeutet nicht, dass die keine Prozessorzeit mehr belegt. Die läuft voll weiter.
Hatte mich jetzt auf einem Rechner bei PG gewundert, dass der keine CPU-Wutze mit 8 Kernen berechnen wollte, und als ich dann mit "top" nachsah ...

[AxelS]

Hallo JayPi, HJL und taurec

Ganz klar, QuChemPedlA läuft auf Linux problemlos, im Gegensatz zu der VM-Sache unter Windows. Meine letzten verbleibenden WU habe ich heute auf der Win-Kiste abgebrochen. Eben die gleichen Probleme, wie JayPi gepostet hatte musste ich auch feststellen. Die Credits-Ausbeute geht da seit Tagen mehr oder weniger gegen Null, umso mehr, je mehr WUs einfach stehen geblieben sind. Und tagsüber kann ich nicht nach meinen Rechnern schauen, leider.

Unter Linux ist der nwchem ist der eigentliche Prozess, der die CPU beschäftigt. Die Eigenschaften einer WU zwar eine Prozess-ID, aber diese ist nur die des wrappers. Mit

ps jf -U boinc |grep -A3 <pid der wu>

kann man die hierachischen Zusammenhänge der WU mit den Unterprozessen anzeigen. Da soll auch nach worker.sh, run.sh und mpirun auch das nwchem auftauchen. Mit dessen PID füttert man den Befehl top.

Meine Beobachtung ist: Beim Anhalten einer WU läuft dieser nwchem-Unterprozess noch einige Sekunden weiter und beendet sich selbst oder er wird beendet. Beim Fortsetzen der WU wird ein neuer Unter-Prozess mit einer anderen PID gestartet.

@HJL

[pschoefer]

Die vorherige Serie von Berechnungen ist abgeschlossen, zwei mögliche Ansätze zur Fortführung des Projektes wurden vorgestellt. Projektteilnehmer können in diesem Thread ihre Meinung dazu äußern.

Neuigkeiten und Abstimmung
Liebe Quchempedia-Cruncher!

Die erste Generation unserer neu erzeugten kleinen Moleküle ist fast fertig. Danke nochmals.

Wir haben zwei Vorschläge für die nächste Phase der Berechnungen:

1. Eine Pause einlegen (etwa einen Monat), um die neuesten Berechnungen zu analysieren und zu verarbeiten, aus den Erfolgen und Fehlschlägen der Berechnungen lernen und dann neue kleine Moleküle erzeugen. Wahrscheinlich mit etwas mehr als 9 Atomen.

2. Einige der neu erzeugten Verbindungen zu einem im Chemielabor hier in Angers verwendetem Kern (BTX) hinzufügen (siehe die Zusammenfassung dieses Artikels: https://pubs.rsc.org/en/content/arti...h#!divAbstract, engl.), um vorzuführen, wie wir unsere neu erzeugten Moleküle in einem echten System verwenden können, zu zeigen, wie ein Fragment die Eigenschaften des Kerns verändern kann, sowie als Screening-Beispiel. Diese Berechnungen sind sehr interessant und können sehr schöne Anwendungen haben (Medikamente und Werkstoffe).

Beachtet, dass die zweite Option bedeutet, dass die Moleküle mehr als 9 schwere Atome haben werden, wahrscheinlich mehr als etwa 30, und die Berechnungen daher Tage dauern können. Die gute Nachricht ist, dass die nächsten WUs den Zwischenstand speichern werden. BOINC wird den wirklichen Fortschritt nicht anzeigen können und davon ausgehen, dass die Berechnung von vorne beginnt, aber wir haben einige Tests durchgeführt und die Berechnungen liefen vom letzten Zwischenschritt weiter. Die erwarteten Berechnungszeiten werden immer sehr ungefähr und unzuverlässig sein, wir werden einen recht hohen Wert auswählen.

Falls ihr die erste Option auswählt, werden wir die BTX-WUs mit unseren eigenen Resourcen berechnen und eine Nachricht schreiben, wenn wir die neuen kleinen Moleküle verarbeitet und erzeugt haben.

Vielen Dank für eure Wahl und Meinungen unter diesem Beitrag.

Mit freundlichem Gruß,
Thomas and Benoit
14.01.2020, 15:24:40 MEZ

Originaltext:

Updates and poll
Dear Quchempedia crunchers!

First generation of our newly generated small molecules is almost finished. Thanks again.

We have two propositions for the new phase of calculations :

1. Make a pause (maybe a month or so), in order to parse and treat the recent calculations, learn from the success and failures of the calculations and then generate new small molecules. Probably with a little bit more than 9 atoms.

2. Take some of the newly generated compounds, add them to a core (BTX) used in the chemistry lab here in Angers (see the abstract of this article https://pubs.rsc.org/en/content/arti...h#!divAbstract) to demonstrate how we can use our newly generated molecules inside a real system, to show how a fragment can modify the core properties and to serve as a screening example. These calculations are very interesting and can lead to very nice applications (drugs and materials).

Beware that the second choice, means that the molecules will have more than 9 heavy atoms, probably more than 30 and so calculations could take days. The good news is that the next workunits will implement checkpointing. Boinc will not be able to display the real level of progress and will think that the calculation starts again from the beginning. But we've run some tests and the calculations restart from the very last step. The expected calculation times will always be very approximate and unreliable, we will voluntarily choose a slightly high value.

If you choose the first option, we will calculate the BTX ones with our private ressources and we will post a news when we will have treated and generated new small molecules.

Thank you for giving your choices and opinions under this post.

Kindly,
Thomas and Benoit
14 Jan 2020, 14:24:40 UTC

[Brisco82]

Moin Zusammen,

es gibt seit heute Mittag wieder WU's. Diese sollen jetzt einheitlich mit 200 Credits vergütet werden.
Also viel Spaß beim wegknuspern :-)

Viele Grüße

Brisco