Design-CP：用於蛋白質奈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），將二次啟用分佈到多GPU，使得在有限視訊記憶體下設計大型蛋白質奈米顆粒成為可能。實驗表明，2D分片在二十面體組裝中擴充套件性更好，併成功在16GB GPU叢集上實現了八面體奈米顆粒設計。
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，透過上下文並行策略突破單GPU記憶體限制，實現大型蛋白質奈米顆粒的多GPU設計。該工作已被2026年生成與智慧AI生物學研討會（ICML 2026）接收，為計算生物學和分散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）理論上可以透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著鏈和殘基數量增加迅速超出單GPU記憶體。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）。這些策略將二次啟用分佈到多GPU網格上，同時保持預訓練權重不變，使得在有限視訊記憶體下設計大型蛋白質奈米顆粒成為可能。
研究團隊在二十面體組裝的取樣中詳細表徵了兩種策略的擴充套件效能。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分片在時鐘時間擴充套件方面表現更優，能夠更高效地利用多GPU資源。
該工作的一個關鍵創新在於，強點群對稱約束使得CP可以直接用於端到端的全原子二十面體奈米顆粒設計，無需額外修改。生成的計算機模擬結構在結構和介面指標上均表現良好。最後，團隊在一個由四塊16GB GPU組成的小型工作站叢集上成功演示了八面體奈米顆粒設計，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，降低硬體門檻，推動蛋白質奈米顆粒在藥物遞送、疫苗設計等領域的應用。