训练
-
无需重启宿主机：基于 VFIO-PCI 实现 GPU 动态热插拔与直通全解析
在传统 KVM/QEMU 虚拟化方案中，GPU 直通（Passthrough）通常需要在宿主机引导时（via Grub）就将显卡通过 vfio-pci.ids 锁定。这种“静态直通”虽然稳定，但极大地限制了硬件资产的利用率——当虚拟机...
-
用户态 VFIO 驱动如何实现不依赖内核驱动切换的 PCI 设备热插拔？
在高性能网络和存储领域（如 DPDK、SPDK），为了追求极致的吞吐量和低延迟，通常会将 PCI 设备完全交由用户态驱动（VFIO）接管。 但在实际生产环境中，服务器运行期间动态增加网卡、更换故障硬盘（NVMe）是常态。传统的内核驱动...
-
SPDK NVMe-oF 性能实测：RDMA 与 AF_XDP TCP 延迟与 CPU 损耗的深度量化剖析
在超大规模数据中心和高性能存储架构中，如何压榨网络协议栈的每一分性能是永恒的主题。SPDK（Storage Performance Development Kit）作为用户态存储领域的标杆，其 NVMe-oF（NVMe over Fabr...
-
K8s 混合调度 MIG 与 MPS 的终极实践：把 GPU 榨出最后一滴油水
在 AI 推理服务的生产环境中，最让基础设施团队头疼的，莫过于 “显存闲置” 与 “算力浪费” 。 普通的 AI 推理任务（尤其是中小模型、NLP 分类、OCR、语音识别等）往往呈现“高频、低延迟、低 GPU 利用率”的特点。如...
-
深度解析：NVIDIA MIG 与 MPS 在算力切分上的底层隔离机制有何本质不同？
在 GPU 算力虚拟化和多租户共享的场景中，NVIDIA 提供了两种主流的切分技术： MPS（Multi-Process Service，多进程服务） 和 MIG（Multi-Instance GPU，多实例 GPU） 。 虽然这...
-
为什么在大规模 DDP 分布式训练中，开启 NVIDIA MPS 反而是个“灾难”？
在日常的 GPU 算力优化工作中， NVIDIA MPS（Multi-Process Service，多进程服务） 经常被誉为提升 GPU 利用率的“银弹”。在单卡运行多个轻量级推理任务，或者小规模多进程数据处理时，MPS 通过允许多个...
-
多节点 Slurm 集群中，如何用 Ansible 优雅地批量维护与巡检 GPU MPS 状态？
在大型 GPU 算力集群中，为了提升中小显存占用任务的吞吐量， NVIDIA MPS（Multi-Process Service，多进程服务） 是一个几乎必选的方案。配合 Slurm 的 gres/mps 机制，多任务可以物理共享单...
-
为什么开启 NVIDIA MPS 后 MPI 进程会突发 CUDA_ERROR_OUT_OF_MEMORY？原理剖析与排查指南
在利用 MPI（Message Passing Interface）进行多进程并行计算或分布式深度学习训练时，为了提高 GPU 利用率，我们常常会开启 NVIDIA MPS（Multi-Process Service）。MPS 的初衷是允...
-
单卡跑通万级突变：本地轻量化 ESMFold 部署与高通量筛选实战
在蛋白质工程和定向进化中，对成百上千个突变体进行结构预测是一项常见的任务。传统的 AlphaFold2 尽管精度极高，但由于需要进行耗时的 MSA（多序列比对）检索，在面对高通量突变体筛选时，算力成本和时间周期往往难以接受。 Meta...
-
如何本地免商业授权费部署 AlphaFold 3？（附抗体-抗原复合物预测实操指南）
Google DeepMind 在 2024 年 11 月正式开源了 AlphaFold 3 (AF3) 的源代码及模型权重（针对学术与非商业用途）。这意味着研究人员终于可以摆脱 Web 服务器每天的提交限制，在本地环境中运行这一顶尖...
-
无复合物结构？仅凭 ESM-Fold 预测的抗原单体如何进行反向疫苗设计
在结构免疫学和疫苗研发中，最理想的情况是拥有 抗原-中和抗体复合物 的共晶或冷冻电镜结构，这能直接指出关键的保护性表位（Protective Epitope）。 但在面对新兴病原体或难结晶的膜蛋白时，我们往往只有基因序列。利用 ESM...
-
如何用 ESM-2 进行抗体-抗原结合亲和力预测？从零样本表征到微调实操
在 AI 辅助抗体药物研发（AIDD）中，评估抗体与抗原之间的结合亲和力（Affinity）是核心环节。Meta 团队开源的 ESM-2 作为目前最强大的蛋白质语言模型之一，凭借其在海量无标注蛋白质序列上学习到的进化和物理化学规律，成...
-
抗体非特异性结合（NSB）筛查：如何选择与应用开源抗体蛋白质语言模型（pLM）
在治疗性抗体开发中，非特异性结合（Non-Specific Binding, NSB）或多反应性（Polyreactivity）是导致候选药物在体内药代动力学（PK）性质差、清除率快以及毒性升高的主要原因之一。 利用蛋白质语言模型（p...
-
除了FoldX，如何用深度学习方法快速评估ProteinMPNN突变体的结合力？
在蛋白质从头设计（De Novo Protein Design）或亲和力成熟（Affinity Maturation）的工作流中， ProteinMPNN 已经成为序列设计的标配工具。然而，ProteinMPNN 产生的候选序列往往成百...
-
除了AlphaFold 3，现代AI药物设计管线里还有哪些不可或缺的底层模型？
在AI制药（AIDD）领域，AlphaFold 3毫无疑问是聚光灯下最耀眼的明星。它解决了“结构预测”这一历史性难题。然而，药物研发是一个漫长且复杂的系统工程，从靶点发现、先导化合物筛选、结构优化到ADMET（吸收、分布、代谢、排泄和毒性...
-
AlphaFold 3 都能预测配体结合了，为什么 AI 制药公司还要砸钱做湿实验？
在生物医药和 AI 交叉领域，AlphaFold 3（AF3）的发布无疑是一场地震。它不仅能预测蛋白质结构，还能预测蛋白质与小分子配体、DNA、RNA 的复合物结构。 这时候，很多行外人（甚至不少投资人）都会产生一个极其自然的疑问： ...
-
AlphaFold 3 迟到的开源：学术界的全面狂欢，与工业界尴尬的“围城”
从今年 5 月在《Nature》发表论文时仅提供限制重重的 Web 服务器，到 11 月正式释放完整源代码和模型权重，DeepMind 的这一百八十度大转弯，无疑是今年 AI for Science 领域最重磅的戏剧性事件。 对于这个...
292 DeepMind -
AlphaFold 3 开源学术权重后，AI 制药创业公司靠什么活下去
Google DeepMind 终究还是向学术界低了头。 AlphaFold 3（以下简称 AF3）的源代码和学术权重正式开源。这一举动，把大半年前因“仅提供 Web 服务器、限制每日调用、不给权重”而引发的学术界怒火彻底平息，但也顺...
-
如何评价开源模型 Boltz-1 和 Chai-1？它们能否在药物研发中真正替代 AlphaFold 3？
在 AI 结构生物学领域，AlphaFold 3（AF3）的发布无疑是一座里程碑，它将预测范围从单纯的蛋白质拓展到了核酸、小分子配体和修饰。然而，对于制药工业界和广大科研人员来说，AF3 最初“犹抱琵琶半遮面”的闭源状态（早期仅提供有诸多...
-
从“只给网页”到“开源代码”：AlphaFold 3 的妥协、社区自救与AI制药的权力重构
2024 年 5 月，DeepMind 在《Nature》上发表了 AlphaFold 3（AF3），宣称其不仅能预测蛋白质，还能预测 DNA、RNA 以及化学小分子配体的复合物结构。然而，伴随这项里程碑式成果而来的，不是欢呼，而是一场结...
