NVIDIA ускоряет молекулярное моделирование с помощью cuEquivariance и микросервисов NIM

Джесси А. Эллис
11 июня 2025 г. 17:18

NVIDIA представляет ускоренные решения для молекулярных ИИ-моделей с библиотекой cuEquivariance и микросервисами NIM, повышая вычислительную эффективность и способствуя передовым исследованиям в области разработки лекарств.

Спрос на быстрое обучение и вывод молекулярных ИИ-моделей резко вырос с появлением таких моделей, как AlphaFold2, сообщает NVIDIA. Для удовлетворения этого спроса компания представила улучшения в библиотеке cuEquivariance и микросервисах NVIDIA NIM, ускоряющие процессы молекулярного моделирования.

Улучшения в NVIDIA cuEquivariance

Библиотека cuEquivariance от NVIDIA, входящая в состав CUDA-X, предназначена для ускорения вычислений в геометрически-ориентированных нейронных сетях, таких как MACE и NequIP. Теперь библиотека включает ускоренные ядра Triangle Attention и Triangle Multiplication, критически важные для моделей предсказания структуры белков, подобных AlphaFold2. Эти улучшения расширяют возможности в таких областях, как фолдинг белков и связывание РНК/ДНК.

Обновленные ядра демонстрируют значительный прирост производительности: до 5-кратного ускорения на уровне ядер и сокращение использования памяти с O(N3) до O(N2) по сравнению с традиционными реализациями. Ожидается, что эти улучшения снизят узкие места в скорости и потреблении памяти, особенно для моделей вроде Boltz-2, разработанных MIT и Recursion.

Введение микросервисов NVIDIA NIM

Параллельно с обновлениями cuEquivariance NVIDIA представила модель Boltz-2 в качестве микросервиса NVIDIA NIM. Это модель следующего поколения, созданная совместно с MIT и Recursion, предназначена для высокоэффективного вывода и предсказаний в реальном времени. Микросервисы NIM предлагают предварительно собранные контейнеры для удобного доступа к передовым ИИ-моделям, упрощая масштабные рабочие процессы в разработке лекарств.

Влияние на молекулярные ИИ-исследования

Эти разработки могут революционизировать вычислительную эффективность в молекулярных ИИ-исследованиях. Ускоренные ядра позволяют создавать более крупные базовые модели, следуя законам масштабирования предварительного обучения, где увеличение вычислительной мощности коррелирует с улучшением производительности модели. Эта эффективность поддерживает более масштабные in silico эксперименты, потенциально увеличивая масштабы VIRTUAL скрининговых кампаний.

Инициативы NVIDIA, включая библиотеку cuEquivariance и микросервисы NIM, играют ключевую роль в продвижении исследований в области разработки лекарств и биологии. Предоставляя оптимизированный доступ к моделям и устраняя вычислительные узкие места, NVIDIA прокладывает путь к ускоренным циклам R&D в фармацевтической промышленности.

Для получения дополнительной информации посетите блог NVIDIA.

• nvidia
• молекулярный искусственный интеллект
• cuequivariance
• nim микросервисы

Перевод: F0rk