GPU赋力星药科技药物筛选

• 本案例中，借助NVIDIA GPU、CUDA和CuDNN，星药科技训练模型从数以亿计的海量化合物中产生出具有独立知识产权的、成药性更好的药物候选分子的效率提升10余倍，并将化合物反应路径预测缩短至秒级别。

• 本案例主要应用到NVIDIA GPU、CUDA和CuDNN。

星药科技公司是一家利用AI技术推动新药研发的初创公司。通过整合多个深度学习模块，星药AI平台可以大幅度节省新药研发的时间和成本，并为在研产品提供完善的专利保护。其采用深度学习算法，搭建了多个临床前药物研发模块，极大地减少了药物研发所需要的时间。

新药的发现对人类健康至关重要。传统的药物开发方法，仅仅探索到10¹⁰级别的化合物空间。药物研发投资巨大、耗时长、成功率低，一款药物的上市往往需要十数年的开发时间和数十亿美金的投入。据德勤研究报告显示，世界新药研发的投资回报率已经降至历史新低，仅为1.9%。药物研发流程急需新的方式来改变和加速。

星药团队结合图神经网络、强化学习和计算化学进行药物候选分子的设计和筛选。借助NVIDIA GPU、CUDA和CuDNN，星药科技开发了多个模型来对已知分子结构进行多模态大数据的学习，快速地根据蛋白质的多级结构、化合物基团性质及组合方式等进行计算，从亿量级海量化合物中产生出具有独立知识产权的、成药性更好的药物候选分子。相较于传统的CPU训练，GPU为模型训练可以带来10余倍的效率提升。

除此以外，星药科技还将NVIDIA GPU用于处理海量化学反应数据，对AI模型所设计的分子进行进一步的合成性筛选，并能够将化合物反应路径预测缩短至秒级别，为人类探索更广阔的化合物宇宙创造更多可能。

传统的药物研发筛选流程需要数年时间，借助NVIDIA GPU的加速，AI赋能的药物筛选过程仅仅需要数天就可以完成。

“AI在药物研发领域的应用离不开算法和算力方面的突破。我们很高兴在这样一个时代，在深度学习算法迅猛发展的同时，有NVIDIA强大的GPU计算平台来支撑我们去探索更加复杂、有效的模型，让AI更好地落地到药物研发这个领域。”星药科技创始人兼CEO李成涛博士表示。