模拟模型可以预测尚不能通过实验研究的现象。例如，这有助于预防疾病。
（图片来源：Ville Tiet?v?inen）
当一台超级计算机处理数据并生成现实的模拟模型时，细胞的奥秘、大气的奇迹、分子的内部运作——所有这些都以一种新的方式展现出来。
近几十年来，计算机的处理能力有了巨大的增长，在许多领域掀起了学术工作的革命。
新的研究途径正在出现，过去的观察也越来越清晰。模拟模型还可以预测尚未通过实验研究的现象。
“计算科学产生的分辨率超过了显微镜成像的精度。我们可以看到分子是如何以及为什么结合在一起的，”生物物理学教授Ilpo Vattulainen说。
了解每个原子如何与其他原子相互作用，就可以触发相互作用，并对所有原子进行数千亿次的计算。这不是在实验室里进行的科学实验，而是在电脑里进行的。
Vattulainen使用计算机模拟来模拟细胞中分子的功能。他相信计算科学在促进健康方面具有巨大的潜力。如果可以通过血液样本等预测风险，预防疾病就会变得更容易。
“我们的研究帮助我们了解健康的身体在细胞和组织水平上是如何运作的，以及疾病是如何发展的。它让我们了解如何避免问题。”
2001年，当瓦图莱宁在当时的赫尔辛基工业大学（Helsinki University of Technology）成立他的第一个研究小组时，他很难找到合作伙伴。当时，那些参与实验工作的人不相信计算生物物理学有任何用途。经过四五年的努力，瓦图莱宁才开始寻找潜在的伴侣。
在过去的几年中，他与30多个实验研究小组合作撰写了文章，其中包括医学，细胞生物学，生物化学和生物成像。
实验研究产生了大量数据，计算物理学家可以在他们的模拟中使用这些数据。
与此同时，密切的多学科合作的要求正在改变研究的进行方式。这并不总是那么容易。
“你需要时间来学习与其他领域的研究人员说同一种语言。计算气溶胶物理学教授Hanna Vehkam?ki说。
Vehkam?ki和Vattulainen是与实验研究人员和计算机科学家一起工作的计算科学家。创建一个有效的模拟模型需要与实验组持续合作，因为他们提供关键数据。
“研究通常从一个共同提出的问题开始。一个试验组提供了他们的研究成果供我们检验。然后，我们将模拟结果提供给他们进行测试。我们不断互动，深入挖掘问题，”Vattulainen解释道。
在计算机模拟出现之前，物理学家依靠纸笔计算来建立模型，这需要大量的简化。Vehkam?ki于1992年加入赫尔辛基大学（University of Helsinki），从事暑期工作，研究计算机能否在不简化的情况下解出粒子形成速度的方程。答案是肯定的。
“计算能力可以实现精度。而不是将分子描绘成球体，我们现在可以以正确的形式呈现它们。”
Vehkam?ki小组的一个常见模拟包括确定最终进入大气的粒子如何相互作用。它们是形成新的粒子，还是凝结在其他粒子的表面？
电流测量装置的灵敏度不足以回答这些问题。有些物质的浓度太低，无法检测。模拟模型揭示了许多预测的不准确性：物质的行为不像预期的那样。
“分子的细节决定了一切。”
由于法规减少了工厂和交通的排放，硫和氮化合物正在减少。因此，大气中越来越多的是有机化合物。温度的升高增加了它们的蒸发，但其中一些来自人们日常使用的化学物质。
Vehkam?ki指出：“在纽约，现在空气中的化合物更多地来自香水和清洁产品，而不是交通。”
大气的化学成分正在发生变化，我们不知道它会如何反应。这是无法衡量的，因为变化还没有发生。
“我们希望预测将会发生什么，以及我们接下来应该关注哪些问题。”
Vehkam?ki领导虚拟实验室VILMA，目前正在开发中。其目的是创建一个粒子如何形成的虚拟模型，并更详细地分析实验室测试结果。
“测量只显示了这个过程的一面。模拟建模可以让我们更好地了解结果告诉我们什么，以及我们下一步应该测量什么。它有助于形成新的研究问题。”
计算科学是实验研究的补充。对一个问题采用多种独立的方法可以减少错误结果和解释的可能性。
那么，我们怎样才能确定模拟模型与现实相符呢？结果不断与实验数据进行比较，并不断改进模型，直到所有结果一致。该模型随后可用于预测全新的情景。
“如果蛋白质的结构是已知的，模型的预测能力接近100%。接下来就是处理数据和正确解释数据的问题了。”
随着技术的进步，他的团队的一些预测已经在实验中得到了证实。一个成功的模拟与接收和传递信号的细胞膜蛋白有关。由于Vattulainen对消息的传输方式很感兴趣，他决定对这个场景进行建模。
“细胞膜蛋白就像细胞的本地邮局。一种蛋白质会选择它周围的某些脂质作为“仆人”，来适当地按摩它的侧面。如果被错误的脂质包围，蛋白质就会罢工。只有当脂质类型正确时，邮件才会被送达。”
Vattulainen在他的博士论文中首次探索了模拟。他研究了内燃机车辆中材料的选择如何促进在不同表面上移动的废气的净化。然而，他最终离开了材料科学。
“小时候，我经常想知道我们的内心是什么，是什么让我们活着，大自然是如何自我更新的，生命是如何继续的。随着我博士论文的进展，我意识到我可能也有能力找到这些问题的答案。”
当时，芬兰没有教授计算生物物理学，所以瓦图莱宁搬到国外做博士后研究员。回国后，他开始将计算科学与生物物理学结合起来，目的是尽可能精确地模拟自然。
他从来没有学过生命科学。
“我现在的教学内容涵盖了生物物理学和生命科学的全部内容。然而，我唯一完成的生物学课程是在普通高中。只要你有动力，你就能在实践中学习。”
CSC，科学信息技术中心，为芬兰的所有研究人员提供服务。它拥有世界上最快的超级计算机之一Lumi。
“芬兰是计算研究的好地方。在许多其他国家，你通常没有足够的时间进行计算，但在这里这不是问题，”瓦图莱宁说。
在计算能力提高之前，要研究的问题必须在技术能力的范围内选择。现在可以解决更复杂的问题了。随着量子计算机的到来，可能性的范围正在不断扩大。但总有一个界限是不能逾越的。
“即使在25年内，你也无法在原子水平上模拟整个细胞。而且要模拟水是非常困难的，”Vattulainen说。
Vehkam?ki注意到，如果你有大量的复杂化合物，计算将失去控制。
“起初，我们认为我们可以计算出大气中所有可能的分子组合，但发现我们不能强行通过计算。即使是一台超级计算机，也需要比宇宙的年龄还要长的时间。”
大气中有超过10万种不同的化合物，它们相互作用形成新的粒子。可能的分子组合的数目实际上是无限的。这就是机器学习和人工智能发挥作用的原因。分子按其行为进行分组，以减少对计算能力的需求。
虽然Hanna Vehkam?ki赞扬了CSC的服务，并说芬兰人很幸运能有这么多的机会使用电脑，但这并不总是足够的。
“你拥有的越多，你想要的就越多——计算能力也是如此。我们专注于考虑哪些需要精确计算，哪些需要简化，以及如何在计算能力不足的情况下找到解决办法。”
尽管存在局限性，但建模可以提供对许多现象的洞察。抗抑郁药百忧解（Prozac）的作用机制就是一个很好的例子，Vattulainen与Eero castr
结果证明，这种药物并没有像之前假设的那样控制蛋白质，而是完全影响了另一种蛋白质。研究还表明，这种药物与受体结合很差，很容易分离。这意味着必须有大量的药物存在于体内才能保持有效。临床观察支持研究人员的发现：百忧解必须大量服用，并持续一段时间才能起作用。
这是Vattulainen在模拟模型方面的职业生涯中的一个高潮。
“当一个模拟模型可以证实一种现象，并从数据中揭示出一些新的东西时，你可能是世界上第一个看到它的人。这是最好的事情，没有什么能比得上它。”
本文发表于芬兰语版Yliopisto杂志9/2024。
