新藥物的不斷出現，一定程度上提高了人類生存質量和平均壽命。藥物設計領域，由于藥物分子有千萬種組合方式，而且結構多樣，候選藥物的化學空間變得很大。

如何才能加速藥物的設計？成立于2018年的深勢科技，致力于運用人工智能和分子模擬算法，結合先進計算手段求解這一重要科學問題。

分子模擬算法的挑戰

深勢科技是 “AI for Science”科學研究范式的踐行者，為人類文明最基礎的生物醫藥、能源、材料和信息科學與工程研究打造新一代微尺度工業設計和仿真平臺。

這家高新技術企業具有強大的科研與產業落地能力。例如在醫藥領域，深勢科技通過Hermite Uni-FEP、Uni-Fold、RiD等模塊，將自由能微擾理論、分子動力學、增強采樣算法與高性能計算相結合，精準預測蛋白質結構及構象變化，并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。

由于分子模擬算法對算力等資源呈線性依賴，深勢科技在底層資源調度、算法優化等方面遇到了以下挑戰：

1. 計算任務數量多，波動大，需要底層平臺提供靈活高效的彈性調度能力；

2. 大模型，大內存訓練；

3. 海量非結構化文件數據讀取。

深勢科技選擇了火山引擎科學計算解決方案，獲取高效、可靠、靈活的高性能計算服務。

行業首個三維分子預訓練模型

火山引擎為深勢科技提供了基于GPU加速的科學計算解決方案，可以根據業務流量自動彈性擴容，以及自動采集各節點健康狀態并制定相應自愈策略，實現智能運維。比如說，當遇到節點不可用時，該方案能夠替換和重新調度節點上的容器，保障業務平穩健康運行。

科學計算解決方案依托火山引擎的云基礎產品，提供可彈性伸縮的加速計算服務器GPU，掛載高性能的文件服務集群以及超高并發吞吐的并行文件存儲，并搭配專為AI和科學計算等高性能計算場景設計的機器學習平臺，賦能深勢科技專注于核心業務發展。

深勢科技相關負責人表示：“使用科學計算解決方案后，我們可以專注于構建應用本身，無需直接購買和管理底層服務器等基礎設施，有效降低了IT維護成本。”

火山引擎科學計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型 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，而非采用一維序列或二維圖結構。從三維信息出發的表征學習讓 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 得以能夠直接完成分子構象生成、蛋白-配體結合構象預測等三維構象生成相關的任務，并超越現有解決方案。

未來，深勢科技還會基于火山引擎平臺推出一系列蛋白質自由能、絕對自由能的計算功能，為行業帶來具備革新性的先進生產力工具，加速藥物設計等發展。（作者：湯平平）