火山引擎協助深勢科技發表產業首個三維分子預訓練模式Uni-Mol

新藥物的持續出現，一定程度上提高了人類生存品質和平均壽命。藥物設計領域，由於藥物分子有千萬種組合方式，結構多樣，候選藥物的化學空間變得很大。

如何加速藥物的設計？成立於2018年的深勢科技，致力於運用人工智慧和分子模擬演算法，結合先進計算手段來求解此重要科學問題。

分子模擬演算法的挑戰

深勢科技是「AI for Science」科學研究範式的實踐者，為人類文明最基礎的生物醫藥、能源、材料與資訊科學與工程研究打造新一代微尺度工業設計與模擬平台。

這家高新科技企業具有強大的科學研究與產業落實能力。例如在醫藥領域，深勢科技透過Hermite Uni-FEP、Uni-Fold、RiD等模組，將自由能微擾理論、分子動力學、增強採樣演算法與高效能運算結合，精準預測蛋白質結構及構象變化，並以化學精度高效評估蛋白與配體的結合自由能，為藥物研發人員提供高效精準的理論指導，提升藥物設計與優化效率。

由於分子模擬演算法對算力等資源呈線性依賴，深勢科技在底層資源調度、演算法最佳化等方面遇到了以下挑戰：

1. 運算任務數量多，波動大，需要底層平台提供靈活高效的彈性調度能力；
2. ##大模型，大記憶體訓練；
3. 海量非結構化檔案資料讀取；

深勢科技選擇與火山引擎合作，取得高效能、可靠、靈活的高效能運算服務。

業界首個三維分子預訓練模型

#火山引擎為深勢科技提供了基於GPU加速的科學運算解決方案，可以根據業務流量自動彈性擴容，以及自動擷取各節點健康狀態並制定對應自癒策略，實現智慧運維。比方說，當遇到節點不可用時，此方案能夠取代並重新調度節點上的容器，保障業務平穩健康運作。

科學運算解決方案依托火山引擎的雲端基礎產品，提供可彈性伸縮的加速運算伺服器GPU，掛載高效能的文件服務集群以及超高併發吞吐的並行文件存儲，並搭配專為AI和科學計算等高性能計算場景設計的機器學習平台，賦能深勢科技專注於核心業務發展。

深勢科技相關負責人表示：「使用科學運算解決方案後，我們可以專注於建立應用程式本身，而無需直接購買和管理底層伺服器等基礎設施，有效降低了IT維護成本。」

火山引擎科學運算解決方案有力的保障了深勢科技的研發進度。近日，深勢科技發布了首個三維分子預訓練模式 Uni-Mol (https://github.com/dptech-corp/Uni-Mol)。

Uni-Mol框架示意圖

Uni-Mol直接將分子三維結構作為模型輸入，而非採用一維序列或二維圖結構。從三維資訊出發的表徵學習讓Uni-Mol 在幾乎所有與藥物分子和蛋白口袋相關的下游任務上都超越了SOTA（state of the art），也讓Uni-Mol 得以直接完成分子構象生成、蛋白-配體結合構象預測等三維構像生成相關的任務，並超越現有解決方案。

未來，深勢科技也會基於火山引擎平台推出一系列蛋白質自由能、絕對自由能的運算功能，為產業帶來革新性的先進生產力工具，加速藥物等設計的發展。

以上是火山引擎協助深勢科技發表產業首個三維分子預訓練模式Uni-Mol的詳細內容。更多資訊請關注PHP中文網其他相關文章！