Design-CP：用於蛋白質納米顆粒設計的上下文並行策略
本文提出Design-CP，為RFdiffusion 3引入兩種上下文並行推理策略（1D行分片和2D網格分片），將二次激活分佈到多GPU，使得在有限顯存下設計大型蛋白質納米顆粒成為可能。實驗表明，2D分片在二十面體組裝中擴展性更好，併成功在16GB GPU集羣上實現了八面體納米顆粒設計。
近日，一篇發表在arXiv上的論文提出了一種名為Design-CP的新方法，通過上下文並行策略突破單GPU內存限制，實現大型蛋白質納米顆粒的多GPU設計。該工作已被2026年生成與智能AI生物學研討會（ICML 2026）接收，為計算生物學和分佈式計算的交叉領域帶來重要進展。
全原子生成蛋白質模型（如RFdiffusion 3）理論上可以通過聯合建模所有鏈來設計大型多聚體複合物，但其二次方的令牌和原子對錶示隨着鏈和殘基數量增加迅速超出單GPU內存。為了解決這一瓶頸，研究團隊開發了兩種上下文並行（CP）推理策略：1D行分片和2D網格分片（結合環形注意力）。這些策略將二次激活分佈到多GPU網格上，同時保持預訓練權重不變，使得在有限顯存下設計大型蛋白質納米顆粒成為可能。
研究團隊在二十面體組裝的採樣中詳細表徵了兩種策略的擴展性能。結果表明，最大可行不對稱亞基（ASU）大小隨GPU數量增加呈預期平方根趨勢增長，驗證了理論模型。更重要的是，2D分片在時鐘時間擴展方面表現更優，能夠更高效地利用多GPU資源。
該工作的一個關鍵創新在於，強點羣對稱約束使得CP可以直接用於端到端的全原子二十面體納米顆粒設計，無需額外修改。生成的計算機模擬結構在結構和界面指標上均表現良好。最後，團隊在一個由四塊16GB GPU組成的小型工作站集羣上成功演示了八面體納米顆粒設計，展示了Design-CP在實際應用中的潛力。
該論文由Lorenzo Tarricone等四位作者撰寫，論文ID為arXiv:2607.05439。研究人員表示，Design-CP有望成為大型蛋白質組裝設計民主化的實用途徑，降低硬件門檻，推動蛋白質納米顆粒在藥物遞送、疫苗設計等領域的應用。