Design-CP：用于蛋白质纳米颗粒设计的上下文并行策略
本文提出Design-CP，为RFdiffusion 3引入两种上下文并行推理策略（1D行分片和2D网格分片），将二次激活分布到多GPU，使得在有限显存下设计大型蛋白质纳米颗粒成为可能。实验表明，2D分片在二十面体组装中扩展性更好，并成功在16GB GPU集群上实现了八面体纳米颗粒设计。
近日，一篇发表在arXiv上的论文提出了一种名为Design-CP的新方法，通过上下文并行策略突破单GPU内存限制，实现大型蛋白质纳米颗粒的多GPU设计。该工作已被2026年生成与智能AI生物学研讨会（ICML 2026）接收，为计算生物学和分布式计算的交叉领域带来重要进展。
全原子生成蛋白质模型（如RFdiffusion 3）理论上可以通过联合建模所有链来设计大型多聚体复合物，但其二次方的令牌和原子对表示随着链和残基数量增加迅速超出单GPU内存。为了解决这一瓶颈，研究团队开发了两种上下文并行（CP）推理策略：1D行分片和2D网格分片（结合环形注意力）。这些策略将二次激活分布到多GPU网格上，同时保持预训练权重不变，使得在有限显存下设计大型蛋白质纳米颗粒成为可能。
研究团队在二十面体组装的采样中详细表征了两种策略的扩展性能。结果表明，最大可行不对称亚基（ASU）大小随GPU数量增加呈预期平方根趋势增长，验证了理论模型。更重要的是，2D分片在时钟时间扩展方面表现更优，能够更高效地利用多GPU资源。
该工作的一个关键创新在于，强点群对称约束使得CP可以直接用于端到端的全原子二十面体纳米颗粒设计，无需额外修改。生成的计算机模拟结构在结构和界面指标上均表现良好。最后，团队在一个由四块16GB GPU组成的小型工作站集群上成功演示了八面体纳米颗粒设计，展示了Design-CP在实际应用中的潜力。
该论文由Lorenzo Tarricone等四位作者撰写，论文ID为arXiv:2607.05439。研究人员表示，Design-CP有望成为大型蛋白质组装设计民主化的实用途径，降低硬件门槛，推动蛋白质纳米颗粒在药物递送、疫苗设计等领域的应用。