买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国石油大学(华东)

摘要：本发明涉及高性能计算和药物发现领域，具体涉及基于DCU的药物‑靶点结合亲和力预测模型的推理加速方法，包括1模型耗时算子优化，在DCU上针对当前表现最佳的药物‑靶点结合亲和力预测模型MGraphDTA中耗时的AdaptiveMaxPool1d、GraphConv和BatchNorm算子进行优化，并减少不必要的计算开销；2算子融合优化，对模型中频繁出现的Relu和AdaptiveMaxPool1d等多个算子进行算子融合，以减少大量访存操作和多个kernel调用的时间；3分布式推理策略，将数据分到多个节点的多张卡上实现分布式推理，并添加排序算法和进程间数据通信方法，以便快速获取结合亲和力排序结果。本发明提供的方法，能够充分利用国产DCU平台的超强计算性能，实现高效地亲和力预测，并在短时间内对数百万药物分子进行大规模虚拟筛选，从而加速药物发现过程。

主权项：1.基于DCU的药物-靶点结合亲和力预测模型的推理加速方法，其特征在于：模型耗时算子优化、算子融合优化以及分布式推理策略；模型耗时算子优化，针对MGraphDTA模型中耗时的AdaptiveMaxPool1d算子进行优化，通过使用线程束洗牌指令直接进行数据交换，并在实现过程中减少原先不必要的计算开销；针对MGraphDTA模型中耗时的GraphConv算子进行优化，通过对目标节点数组进行排序并使用PyTorch的cumsum方法计算得到num_before数组，进一步优化消息聚合操作，并在实现过程中减少原先不必要的计算开销；针对MGraphDTA模型中耗时的BatchNorm算子进行优化，通过BatchNorm的前向传播公式对其推理过程进行重新实现，并将BatchNorm算子与后续的Relu算子进行融合。算子融合优化，通过扩大线程数和二维张量output，对MGraphDTA模型中频繁出现的Relu和AdaptiveMaxPool1d等多个算子进行算子融合。分布式推理策略，通过使用PyTorch的DDPDistributeDataParallel将数据分到多个节点的多张卡上实现分布式推理，并添加排序算法和进程间数据通信方法，以便快速获取结合亲和力排序结果，最终在DCU集群上实现百万分子的大规模虚拟筛选。

全文数据：

权利要求：

百度查询： 中国石油大学(华东) 基于DCU的药物-靶点结合亲和力预测模型的推理加速方法