案例簡介

? 本案例中通過 NVIDIA A100 Tensor Core GPU，深勢科技開創(chuàng)的“多尺度建模+機器學(xué)習(xí)+高性能計算”新范式得以進行高效、廣泛的應(yīng)用實踐，運用AI表示高維復(fù)雜函數(shù)和處理大數(shù)據(jù)的能力，在相鄰尺度間兩兩連接，通過多尺度建模攻克傳統(tǒng)分子模擬瓶。.

? 本案例使用了NVIDIA A100 Tensor Core GPU、CUDA 加速藥物研發(fā)與材料設(shè)計等微尺度工業(yè)設(shè)計中分子模擬的典型應(yīng)用。

客戶挑戰(zhàn)

氨基酸鏈條的不同折疊會構(gòu)成功能各異的蛋白質(zhì)，鋰離子的傳輸運動影響著電池的性能與使用壽命，這些在人類的生命、能源與制造領(lǐng)域至關(guān)重要的性能，都是由物質(zhì)在微觀尺度的結(jié)構(gòu)與性質(zhì)決定的。

如同飛機、火箭或建筑的設(shè)計制造，微觀尺度的設(shè)計同樣需要強大的工業(yè)級平臺作為研發(fā)與設(shè)計的承載。對微觀粒子進行計算模擬和結(jié)構(gòu)設(shè)計，使其展現(xiàn)出符合現(xiàn)實需求的性能，進一步運用到科學(xué)研究與行業(yè)生產(chǎn)之中，這樣的價值鏈條建立在深勢科技打造的微尺度工業(yè)設(shè)計平臺之上。

方案及效果

以新一代分子模擬技術(shù)，打造微尺度工業(yè)設(shè)計平臺

借助NVIDIA A100 Tensor Core GPUs、CUDA 和 cuDNN，深勢科技開創(chuàng)的“多尺度建模+機器學(xué)習(xí)+高性能計算”的新范式得以進行廣泛、高效的應(yīng)用實踐。深勢科技自研的新一代分子模擬技術(shù)，運用AI表示高維復(fù)雜函數(shù)和處理大數(shù)據(jù)的能力，在相鄰尺度間兩兩連接，通過多尺度建模攻克傳統(tǒng)分子模擬瓶頸。運用NVIDIA CUDA 硬件支撐模型訓(xùn)練、推演的全流程，克服了以往研究中的“維數(shù)災(zāi)難”，在保持量子力學(xué)精度的基礎(chǔ)上，實現(xiàn)了對數(shù)十億原子規(guī)模的體系進行量子力學(xué)精度的計算模擬。

NVIDIA GPU 加速科學(xué)計算，釋放“AI + Science”巨大潛力

“AI + Science” 的科學(xué)研究范式是當(dāng)下的前沿?zé)狳c。算力、算法與硬件設(shè)施的突破進展應(yīng)用于基礎(chǔ)科學(xué)領(lǐng)域，將會切實賦能科學(xué)研究與產(chǎn)業(yè)升級。深勢科技作為AI+Science范式的典型企業(yè)，致力于以算力算法的進展切實賦能科研突破與產(chǎn)業(yè)升級，NVIDIA GPU 助力深勢科技加速實現(xiàn)技術(shù)迭代與產(chǎn)品部署。

在NVIDIA A100 Tensor Core GPU 提供的 Tensor Core 計算單元之上，深勢科技跨尺度建模的計算效率得到穩(wěn)定保障，能夠高效準(zhǔn)確地對微觀尺度下物質(zhì)結(jié)構(gòu)與性能進行計算模擬，打造性能優(yōu)越的微尺度工業(yè)設(shè)計平臺，加速新藥研發(fā)與新材料發(fā)現(xiàn)。

NVIDIA A100 Tensor Core GPUs 作為高性能計算的硬件基礎(chǔ)設(shè)施，加速深勢科技云原生科學(xué)計算平臺 Lebesgue 的落地，實現(xiàn)從算法到場景的端到端閉環(huán)，智能采集、整合優(yōu)化算力資源，為 AI + Science 的深化發(fā)展提供穩(wěn)定的算力保障。

作為英偉達(dá)初創(chuàng)加速計劃（NVIDIA Inception）會員企業(yè)，深勢科技表示：NVIDIA 是 GPU 的發(fā)明者，也是人工智能計算的引領(lǐng)者 ; 無論是高性能計算還是人工智能的應(yīng)用，GPU 加速計算平臺都是強大的基礎(chǔ)架構(gòu)。而深勢科技作為領(lǐng)先的微尺度工業(yè)設(shè)計平臺公司，其新一代分子模擬算法在保持量子力學(xué)精度的基礎(chǔ)上，將分子動力學(xué)的計算速度提升了至少五個數(shù)量級，且對算力的需求與體系的原子數(shù)量呈線性依賴；目前使用 NVIDIA A100 Tensor Core GPU 加速的分子動力學(xué)計算已達(dá)到數(shù)十億原子的規(guī)模。NVIDIA GPU 硬件基礎(chǔ)支撐深勢科技不斷探索、優(yōu)化物理模型，讓 AI 更好地落地到基礎(chǔ)科學(xué)研究，深度應(yīng)用于具體行業(yè)場景，助力深勢科技賦能藥物研發(fā)、材料設(shè)計與電池設(shè)計等領(lǐng)域，讓 AI+ Science 的科研范式得到更為廣闊的實踐與發(fā)展。

審核編輯：郭婷