Accélérer l’Inference de la Structure des Protéines de Plus de 100x avec le NVIDIA RTX PRO 6000 Blackwell Server Edition

TL;DR

• Le NVIDIA RTX PRO 6000 Blackwell Server Edition accélère l’inférence end-to-end de la structure des protéines sur un seul serveur via OpenFold, avec une précision équivalente à AlphaFold2.
• Des benchmarks montrent jusqu’à 138x plus rapide que AlphaFold2 et environ 2,8x plus rapide que ColabFold; des accélérations d’alignement et d’inférence dépassent des centaines de fois les baselines CPU.
• La plateforme offre 96 Go de mémoire à haute bande passante (1,6 To/s), une fonctionnalité MIG qui transforme une carte unique en quatre GPUs et des flux de travail entièrement résidents sur le GPU pour les MSAs et ensembles protéiques.

Contexte et historique

Comprendre la structure des protéines est essentiel pour accélérer la découverte de médicaments, l’ingénierie enzymatique et les biotechnologies agricoles. Depuis AlphaFold2, l’inférence IA pour les structures protéiques a changé la donne, mais des goulets d’étranglement demeurent et peuvent augmenter les coûts et les délais. La génération d’MSA basée sur CPU et une inférence GPU inefficace ralentissent encore les pipelines. Dans ce contexte, NVIDIA et ses laboratoires de biologie numérique ont développé des accélérations qui rendent possible une inference de structure protéique rapide et entièrement sur le GPU avec OpenFold et TensorRT, sans perte d’exactitude par rapport à AlphaFold2. Post du blog NVIDIA. Les charges de travail modernes exigent des MSAs à l’échelle métagénomique, des raffinement itératifs et des calculs d’ensembles qui prennent souvent des heures. Passer ces workloads à l’échelle du protéome sur une infrastructure CPU est généralement prohibitif. L’accélération par GPU démontrée avec le RTX PRO 6000 Blackwell répond à ce problème en déchargeant le flux de travail entier sur un serveur de pointe, permettant des analyses protéiques à grande échelle dans les laboratoires, les plateformes logicielles et les environnements cloud. Des comparaisons montrent que le MMseqs2-GPU peut surpasser les méthodes CPU habituelles d’un ordre de grandeur, illustrant le potentiel de la révolution GPU en bioinformatique.

Ce qui est nouveau

Le RTX PRO 6000 Blackwell Server Edition introduit une combinaison d’innovations matériel et logiciel pour pousser l’inférence de protéines à des vitesses sans précédent :

• Une plateforme GPU de haut niveau pour l’inférence end-to-end avec OpenFold, accélérée par de nouvelles instructions et des optimisations TensorRT.
• Une intégration efficace de MMseqs2-GPU qui accélère fortement la génération de MSAs et le pré-traitement.
• Optimisations TensorRT sur mesure pour OpenFold, produisant des gains de vitesse significatifs par rapport à une configuration OpenFold de base.
• Validation sur des benchmarks standard, dont 20 cibles CASP14, montrant des prédictions avec des TM-scores identiques à ceux d’AlphaFold2 mais avec des temps d’exécution considérablement réduits.
• Mémoire de 96 Go et MIG : permettre des ensembles volumineux et MSAs entièrement sur le GPU; MIG permet à une seule RTX PRO 6000 d’agir comme quatre GPUs virtuels, facilitant le partage des ressources entre plusieurs utilisateurs ou workflows.
• Disponibilité dès maintenant : le RTX PRO 6000 Blackwell Server Edition est disponible via les NVIDIA RTX PRO Servers et les instances cloud des principaux fournisseurs.

Pourquoi c’est important (impact pour les développeurs/entreprises)

Pour les développeurs de plateformes dédiées à la découverte de médicaments, à la protéomique ou à la préparation pour les pandémies, cette avancée apporte des bénéfices réels :

• Des itérations plus rapides permettent de tester des hypothèses et de prendre des décisions plus rapidement.
• Le folding à l’échelle du protéome devient réalisable sur un seul serveur, réduisant le besoin de grands clusters CPU et facilitant l’analyse à grande échelle.
• L’exécution complète sur GPU réduit les transferts de données et accélère les cycles de recherche et développement.
• Le MIG permet une collaboration multi-utilisateur sur un serveur partagé sans perte de débit, optimisant l’utilisation des ressources dans les laboratoires et les environnements cloud.
• La combinaison OpenFold, cuEquivariance, TensorRT et MMseqs2-GPU sur une seule machine fixe une nouvelle référence pour la vitesse d’inférence des structures protéiques et ses implications pour la recherche et les applications industrielles. Selon NVIDIA, ces accélérations maintiennent l’exactitude des prédictions par rapport à AlphaFold2. Post du blog NVIDIA.

Détails techniques ou Mise en œuvre

Les performances reposent sur une combinaison de capacités hardware et d’optimisations software :

• Base matérielle : 96 Go de mémoire à haute bande passante (1,6 To/s) avec MIG, ce qui permet d’exécuter l’intégralité du flux de travail sur le GPU, y compris les MSAs volumineuses et les ensembles protéiques. MIG permet à un RTX PRO 6000 d’être partitionné en quatre GPUs virtuels.
• Stack logiciel et optimisations : les instructions nouvelles et les optimisations TensorRT pour OpenFold, avec MMseqs2-GPU, produisent des gains substantiels. OpenFold bénéficie d’un tuning TensorRT sur mesure qui donne environ 2,3x d’amélioration par rapport à une exécution OpenFold de base.
• Performance démontrée : sur des cibles CASP14, l’inférence sur RTX PRO 6000 Blackwell est 138x plus rapide que AlphaFold2 et environ 2,8x plus rapide que ColabFold, tout en conservant des TM-scores identiques. Dans un benchmark d’alignement, MMseqs2-GPU sur un seul L40S est ~177x plus rapide que JackHMMER sur CPU 128 cœurs, et jusqu’à 720x plus rapide lorsqu’il est réparti sur huit GPUs L40S.
• Intégration du flux de travail : un exemple complet montre comment déployer le OpenFold2 NIM sur une machine locale, générer des requêtes d’inférence et utiliser l’endpoint local pour produire des prédictions. Cela rend possible le folding sur un seul serveur avec une vitesse de classe mondiale.
• Disponibilité et déploiement : le RTX PRO 6000 Blackwell Server Edition est disponible aujourd’hui via les NVIDIA RTX PRO Servers et les instances cloud des principaux fournisseurs. NVIDIA invite les partenaires à collaborer pour déployer des folding de protéines à vitesse et à échelle inégalées. Les remerciements incluent des chercheurs de NVIDIA, de l’University of Oxford et de Seoul National University.

Points clés à retenir

• L’inférence end-to-end des structures protéiques peut être exécutée sur un seul serveur avec le RTX PRO 6000 Blackwell, offrant une vitesse de classe mondiale sans perte d’exactitude par rapport à AlphaFold2.
• Les gains touchent l’ensemble du pipeline : MMseqs2-GPU accélère la génération de MSAs, TensorRT optimise l’inférence OpenFold et l’ensemble des technologies produit des bénéfices importants par rapport aux flux CPU.
• Les benchmarks montrent jusqu’à 138x plus rapide que AlphaFold2 et environ 2,8x plus rapide que ColabFold, avec des alignements 177x plus rapides sur un seul L40S et jusqu’à 720x lorsque l’on scale sur plusieurs GPUs.
• Des ressources telles que 96 Go de mémoire et MIG permettent des workflows volumineux et résidents sur le GPU, avec partage multi-utilisateur sans perte de performance.
• La disponibilité est immédiate via les serveurs RTX PRO et les fournisseurs cloud, ouvrant la voie à l’adoption dans les laboratoires et les environnements d’entreprise.

Références

• https://developer.nvidia.com/blog/accelerate-protein-structure-inference-over-100x-with-nvidia-rtx-pro-6000-blackwell-server-edition/