医疗生物应用依赖多样化的操作系统、库和编译器等配套软件环境。传统的虚拟化技术性能开销大，不适合追求极致性能的基因组学计算。
许多生物信息学任务需要消耗巨大的计算资源，会快速产生海量数据，属于计算密集型和内存密集型任务。
许多医学、药学和临床研究人员缺乏传统的Linux命令行和作业调度系统知识，高学习成本严重阻碍了计算资源的使用。
随着AI和大模型技术快速发展，医疗生物领域对计算能力需求爆发式增长。现有计算资源类型单一，限制了科研进展。
采用容器技术打包应用和环境，解决复杂软件依赖冲突。提供用户可自定义、动态切换的计算环境，确保实验可重复性。
平台可无缝整合X86、ARM、GPU等异构算力资源。支持GPU细粒度分配技术（最低0.1卡），最大化利用硬件资源。
私有实例模式提供远程桌面，支持GUI图形化应用 和Web交互，让非计算机背景的科研人员轻松上手。
EaaS平台兼顾传统HPC、大数据和人工智能训练等多个应用场景。可部署本地大模型，并提供API接口服务。
复旦大学医学院作为我国顶尖医学教研机构，长期以来缺乏专业的计算平台支撑，严重制约了科研创新和医学研究的发展，而同期国际顶尖医学院已部署15000核级计算集群。2021年在上海市专项支持下，建成拥有42个计算节点、24张GPU卡的高性能计算平台，目前服务2000多名注册用户，支撑生物信息学教学、临床数据隐私计算、药物虚拟筛选等多个核心场景。在此背景下，中心于2021年引入EaaS高性能计算云平台，通...
了解更多
