Apr, 2023
将深度等变模型的主导准确性扩展至逼真尺寸的生物分子模拟
Scaling the leading accuracy of deep equivariant models to biomolecular simulations of realistic size
Albert Musaelian, Anders Johansson, Simon Batzner, Boris Kozinsky
TL;DR本研究将深度等变神经网络的主要精度、样本效率和鲁棒性推向了极端计算规模，结合创新的模型架构、大规模并行化和为高效 GPU 利用进行了优化的模型和实现，实现了 Allegro 架构的构建，支持描述前所未有的复杂结构中的动力学过程，同时具有了捕获量子真实性的能力，其可扩展性非常高，可以进行数十纳秒的稳定蛋白质动力学模拟，也可以在 Perlmutter 超级计算机上扩展到 4400 万个全原子水合 HIV 衣壳分子，并展示了 1000 万和 5120 A100 GPU 的优异强伸缩性。