Zespół badawczy opracował Design-CP, technikę równoległości kontekstu umożliwiającą generowanie dużych białkowych kompleksów na wielu GPU-ach zamiast na pojedynczym akceleratorze. Problem z istniejącymi modelami generacyjnymi jak RFdiffusion 3 polega na kwadratowym wzroście pamięci przy modelowaniu wielu łańcuchów - szybko przekracza to pojemność nawet zaawansowanych GPU-ów.
Metoda Design-CP implementuje dwie strategie: dzielenie wierszowe (1D row-sharding) i siatkowate (2D grid sharding z ring attention), rozprowadzając aktywacje poprzez sieć GPU-ów. Badacze pokazali, że maksymalny rozmiar projektowanej struktury rośnie wraz z pierwiastkiem kwadratowym liczby dostępnych GPU-ów - gdy dostępne jest więcej akceleratorów, można modelować większe kompleksy. Strategia 2D okazała się bardziej efektywna pod względem czasu rzeczywistego.
Ostępnie naukowcy demonstrowali praktyczne zastosowanie - projektowanie nanostruktur ikoahedrycznych i oktahedrycznych na klastrach zawierających tańsze GPU-y 16GB (zamiast drogich kart flagowych). Wyniki pokazały, że ograniczenia symetrii punktowej umożliwiają projektowanie w pełni atomowych struktur o pożądanych właściwościach. To podejście otwiera drogę do demokratyzacji projektowania zaawansowanych białkowych nanostruktur dla szerszej społeczności badawczej, redukując wymogi sprzętowe.