NVIDIA 利用 cuEquivariance 和 NIM 微服务提升分子建模

根据 NVIDIA 的说法，随着 AlphaFold2 等模型的问世，对分子 AI 模型快速推理和训练的需求激增。为满足这一需求，NVIDIA 推出了 cuEquivariance 库和 NVIDIA NIM 微服务中的新增强功能，以加速分子建模过程。

NVIDIA cuEquivariance 增强功能

NVIDIA 的 cuEquivariance 是一个 CUDA-X 库，旨在加速几何感知神经网络（如 MACE 和 NequIP）的计算。该库现在具有加速的三角注意力和三角乘法内核，对 AlphaFold2 这类蛋白质结构预测模型至关重要。这些进步增强了蛋白质折叠和 RNA/DNA 结合等应用。

改进的内核提供了显著的性能提升，内核级别速度提高至 5 倍，内存使用量从 O(N³) 降低到 O(N²)，与传统实现相比。这些增强预计能缓解速度和内存消耗瓶颈，尤其适用于 MIT 和 Recursion 开发的 Boltz-2 模型。

NVIDIA NIM 微服务的引入

与 cuEquivariance 的更新同时，NVIDIA 推出了作为 NVIDIA NIM 微服务的 Boltz-2 模型。该下一代模型是与 MIT 和 Recursion 合作开发，旨在用于高效推理和实时预测。NIM 微服务提供了预构建的容器，以简化高级 AI 模型的访问，从而促进广泛的药物发现工作流程。

对分子 AI 研究的影响

这些发展有望革新分子 AI 研究中的计算效率。加速的内核使得构建更大的基础模型成为可能，与前训练缩放规律一致，这些规律将增加的计算吞吐量与提高的模型性能相关联。这种效率支持更加广泛的计算机模拟实验，可能显著扩展虚拟筛选活动。

NVIDIA 的这些举措，包括 cuEquivariance 库和 NIM 微服务，对促进药物发现和生物学研究至关重要。通过提供优化的模型访问和解决计算瓶颈，NVIDIA 为制药行业的快速研发周期铺平了道路。

欲了解有关这些进展的更多信息，请访问NVIDIA 博客。