新药物的不断出现，一定程度上提高了人类生存质量和平均寿命。药物设计领域，由于药物分子有千万种组合方式，结构又多样，候选药物的化学空间变得很大。
如何才能加速药物的设计？成立于2018年的深势科技，致力于运用人工智能和分子模拟算法，结合先进计算手段求解这一重要科学问题。
深势科技是 “AI for Science”科学研究范式的践行者，为人类文明最基础的生物医药、能源、材料和信息科学与工程研究打造新一代微尺度工业设计和仿真平台。
这家高新技术企业具有强大的科研与产业落地能力。例如在医药领域，深势科技通过Hermite Uni-FEP、Uni-Fold、RiD等模块，将自由能微扰理论、分子动力学、增强采样算法与高性能计算相结合，精准预测蛋白质结构及构象变化，并以化学精度高效评估蛋白与配体的结合自由能，为药物研发人员提供高效精准的理论指导，提升药物设计与优化效率。
由于分子模拟算法对算力等资源呈线性依赖，深势科技在底层资源调度、算法优化等方面遇到了以下挑战：
深势科技选择与火山引擎合作，获取高效、可靠、灵活的高性能计算服务。
火山引擎为深势科技提供了基于GPU加速的科学计算解决方案，可以根据业务流量自动弹性扩容，以及自动采集各节点健康状态并制定相应自愈策略，实现智能运维。比如说，当遇到节点不可用时，该方案能够替换和重新调度节点上的容器，保障业务平稳健康运行。
科学计算解决方案依托火山引擎的云基础产品，提供可弹性伸缩的加速计算服务器GPU，挂载高性能的文件服务集群以及超高并发吞吐的并行文件存储，并搭配专为AI和科学计算等高性能计算场景设计的机器学习平台，赋能深势科技专注于核心业务发展。
深势科技相关负责人表示：“使用科学计算解决方案后，我们可以专注于构建应用本身，无需直接购买和管理底层服务器等基础设施，有效降低了IT维护成本。”
火山引擎科学计算解决方案有力的保障了深势科技的研发进度。近日，深势科技发布了首个三维分子预训练模型 Uni-Mol (https://github.com/dptech-corp/Uni-Mol)。
Uni-Mol框架示意图
Uni-Mol直接将分子三维结构作为模型输入，而非采用一维序列或二维图结构。从三维信息出发的表征学习让
Uni-Mol 在几乎所有与药物分子和蛋白口袋相关的下游任务上都超越了 SOTA（state of the art），也让 Uni-Mol 得以能够直接完成分子构象生成、蛋白-配体结合构象预测等三维构象生成相关的任务，并超越现有解决方案。
未来，深势科技还会基于火山引擎平台推出一系列蛋白质自由能、绝对自由能的计算功能，为行业带来革新性的先进生产力工具，加速药物等设计的发展。
以上是火山引擎助力深势科技发布行业首个三维分子预训练模型Uni-Mol的详细内容。更多信息请关注PHP中文网其他相关文章！
