NVIDIA opublikowała szczegółową dokumentację BioNeMo Inference Runtime, nowego narzędzia opartego na Pythonie, które radykalnie przyspiesza strukturalne przewidywanie białek na jej GPU. Biblioteka została już wdrożona w produkcji, zasilając niedawną ekspansję bazy AlphaFold Database - przetworzył ponad 4,7 tys. proteomów i wygenerował około 31 mln kandydatów na struktury kompleksów, z czego 1,81 mln uznano za wysokiej jakości predykcje.
BioIR rozwiązuje problem, który nie interesuje ogólne stosy inferencyjne - optymalizuje operacje specificzne dla predykcji biomolekularnych, takie jak stosy Pairformer i Evoformer, operacje trójkątne, attention pairwise czy diffusion transformers. Kluczowy plus: modele pozostają zwykłymi obiektami torch.nn.Module, bez potrzeby budowania engine'a czy eksportowania artefaktów. Wymaga jedynie Pythona 3.12+, kompatybilnego GPU NVIDIA i sterownika - nie trzeba nvcc, źródeł CUDA czy CMake.
Wydajność jest imponująca: na konfiguracji 8xH100 BioIR osiąga przepustowość 58,5 tys. reszt na GPU-godzinę dla modelu Boltz-2, co stanowi przyspieszenie 2,9x w stosunku do standardowych implementacji. Biblioteka jest już dostępna jako repozytorium open source na GitHub'ie z wstępnie skompilowanymi binariami, gotowa do zaraz do użytku w skali produkcyjnej dla zespołów pracujących nad strukturą białek.