Tmol:Rosetta 能量函数的 GPU 加速实现,提速最高 362 倍
ArashVahdat · x · 2026-11-20
Tmol 是一个 GPU 原生的 PyTorch 库,将 RosettaGenFF 力场重写为批量张量运算,让 Rosetta 式的全原子能量计算可以嵌入现代机器学习训练与推理管线,并支持自动求导。
关键信息:
- 性能:score+gradient 场景相比单线程 PyRosetta 提速 233–362 倍,torsion-space relax 提速 38–102 倍,且 relax 期间多评估约 60% 的 rotamer
- 架构核心是 PoseStack——对 GPU 友好的批量表示,使用稠密坐标张量 [nposes, maxatoms, 3] 加 padded 分块张量,体系被分解为 blocks(残基/配体/片段)上计算能量
- 能力:支持高效批量可微分打分,以及整结构精修(packing + minimization + FastRelax)
对做分子设计与蛋白质结构预测的 AI4Science 团队而言,这是把经典力场接入可微分 ML 流水线的实用工具。
「研究」频道最新
- 研究:蛋白质预训练模型学不会 15N 化学位移 — KevinKaichuang · 2026-11-20
- Xeophon 对谈 ECI 评测创建者,聊聊评测圈现状 — xeophon · 2026-11-20
- DTMR:让四足机器人模仿人类动作时学会调整时机 — KyleMorgenstein · 2026-11-20
- 用持续录音阵列定位百万级鸣叫动物,服务于生物多样性野外实验 — NikoMcCarty · 2026-11-20
- Nature 分析:LLM 令人担忧的行为约 16 个月后自行消退 — james_y_zou · 2026-11-20
- Agent 科研社会全名单公开:35 机构协作,技术报告与开源工作区已放出 — SRSchmidgall · 2026-11-20