性能#
NVIDIA 大幅优化了 DiffDock 推理工作流程，通过优化的 CUDA 内核来加速 3D 等变图神经网络和模型中的其他关键操作，从而提升其性能。
性能基准#
图 1 和表 1 展示了在不同 GPU 型号上运行 NVIDIA 优化的 DiffDock NIM 与基准软件的性能基准。此处使用的基准软件是 GitHub v1.0 版本。性能指标是通过运行 92 个对接推理任务的时间成本来衡量的，每个任务设置为生成 10 个姿势，其他运行时参数设置为默认值。有关硬件平台和基准数据集的更多详细信息，请参见接下来的两节。
图 1#
GPU |
基准 |
NV 优化 |
加速 |
|---|---|---|---|
RTX A6000 48GB |
0.374 |
2.852 |
7.6倍 |
A100 80GB PCIe |
0.740 |
4.023 |
5.4倍 |
L40S 48GB |
0.691 |
4.485 |
6.5倍 |
H100 80GB PCIe |
0.932 |
5.226 |
5.6倍 |
H100 80GB SXM5 HBM3 |
1.097 |
6.835 |
6.2倍 |
基准硬件#
生成基准测试的完整硬件规格和操作系统如下所示
GPU |
CPU |
CPU 内存 |
|---|---|---|
RTX A6000 48GB |
Intel(R) Xeon(R) Silver 4208 8-Core CPU @ 2.10GHz |
Samsung DDR4 2666MHz 16GB x 4 |
A100 80GB PCIe |
AMD EPYC 7232P 8-Core Processor @ 3.10GHz |
Samsung DDR4 3200MHz 32GB x 4 |
L40S 48GB |
AMD EPYC 7313P 16-Core Processor @ 3.00GHz |
Micron DDR4 3200MHz 32GB x 4 |
H100 80GB PCIe |
AMD EPYC 7232P 8-Core Processor @ 3.10GHz |
Samsung DDR4 3200MHz 32GB x 4 |
H100 80GB SXM5 HBM3 |
Intel(R) Xeon(R) Silver 4314 16-Core CPU @ 2.40GHz |
Samsung DDR4 3200MHz 32GB x 8 |
注意
所有系统均安装了 Ubuntu 22.04 LTS 操作系统。
基准数据#
选择了 92 个蛋白质-配体复合物系统作为 PoseBusters 数据集的子组，这是一项研究工作，在此处发布。完整数据集可以从 Zenodo 下载。
以下是这 92 个系统的复合物 ID
7ORW_7WA 8DW5_FQ7 7QF4_RBF 8EAD_UY0 7JGW_V9S 7JMV_4NC 7W6F_8I6 7T2I_E9F 7L81_UD4
7RWS_4UR 7MMH_ZJY 8CGC_LMR 5SAK_ZRY 7MGT_ZD4 7ELT_TYM 7NR8_UOE 7U0U_FK5 7RZL_NPO
8C5M_MTA 7JR8_VH7 7LMO_NYO 7PT3_3KK 8E77_ULP 7THI_PGA 7NFB_GEN 7KP6_WTP 7NF3_4LU
7UMW_NAD 7F8T_FAD 7C8Q_DSG 6ZK5_IMH 7M6K_YRJ 8SLG_G5A 8FV9_80J 7L00_XCJ 7MSR_DCA
6TW5_9M2 6XHT_V2V 7BMI_U4B 7C0U_FGO 7DUA_HJ0 7E2S_BLA 7FB7_8NF 7FRX_O88 7KFO_IAC
7KLX_WOV 7KQU_YOF 7KZ9_XN7 7LJN_GTP 7M31_TDR 7M3H_YPV 7MAE_XUS 7MFP_Z7P 7NF0_BYN
7NXO_UU8 7OP9_06K 7OU8_1XI 7POM_7VZ 7QHL_D5P 7QSW_CAP 7R3D_APR 7R6J_2I7 7R9N_F97
7SDD_4IP 7SUC_COM 7T0U_E3I 7T1D_E7K 7T3F_EM0 7T9O_GEI 7TB0_UD1 7TOM_5AD 7TS6_KMI
7TSF_H4B 7U3J_L6U 7UAS_MBU 7UJ4_OQ4 7UJ5_DGL 7UY4_SMI 7VKZ_NOJ 7WJB_BGC 7WUX_6OI
7XRL_FWK 7ZCC_OGA 7ZDY_6MJ 7ZXV_45D 7ZXZ_K9R 8AQL_PLG 8B8H_OJQ 8CI0_8EL 8D5D_5DK
8FLV_ZB9 8G0V_YHT