說到AlphaGo，一般人都或多或少聽說過，它因擊敗了人類圍棋大師被譽為“世界壯舉”，標志著人類向通用型的人工智能邁出了具有里程碑意義的重要一步。
而如今在前沿科學研究中的AlphaFold2模型則是人工智能（AI）應用的另外一個標志，它因展現(xiàn)出AI for Science的巨大潛力，而受到了各界人士的青睞。
AlphaFold2助蛋白質(zhì)結構預測，樹AI for Science新高度
蛋白質(zhì)是組成人體細胞組織的重要成分，對蛋白質(zhì)三維結構開展有效解析與預測，可為生物學、醫(yī)學、藥學乃至農(nóng)業(yè)、畜牧業(yè)等行業(yè)未來研究與發(fā)展提供重
要依據(jù)，尤其對與人類健康直接相關的藥物研發(fā)意義重大。
然而，用X光、冷凍電鏡、核磁共振等傳統(tǒng)方法對蛋白質(zhì)結構進行解析，遠趕不上氨基酸序列的增加速度，這會造成海量待測樣品在實驗室中等待數(shù)月乃至數(shù)
年。國際權威數(shù)據(jù)庫SWISS-PROT顯示，目前累計的蛋白序列的信息已經(jīng)超過56萬，用傳統(tǒng)方法去完成這浩瀚繁多的測序無疑成為“不可能完成的任務”，須另辟
蹊徑。
科技創(chuàng)新的車輪滾滾向前。如前文所述，人工智能的發(fā)展為蛋白質(zhì)測序效率帶來了契機。其中AlphaFold2模型讓人工智能在生物醫(yī)藥領域發(fā)揮著重要的作用。
一般來說，人工智能方法的預測精度超過90分，便可認為預測結果與實驗方法得到的蛋白質(zhì)結構基本一致。而AlphaFold2的92.4分，其不僅可以分析X-射線晶
體學很難解決的楔入細胞膜中的蛋白質(zhì)結構，還成功解開了蛋白質(zhì)折疊問題，甚至可以幫助研究者們制造自然界中不存在的蛋白質(zhì)。
AlphaFold2帶來的這些重大突破，標志著AI輔助藥物基礎理論研究進入新的階段，樹立了AI for Science新高度。
比如，目前全球設計的幾乎所有的藥物都作用于蛋白質(zhì)，通俗講，需要像鑰匙開鎖般精確匹配，而此過程的第一步是確定哪把鑰匙開哪把鎖，用更專業(yè)的話說，
就是尋找藥物靶標，即弄清楚藥物分子作用與何種蛋白結合。而通過可解碼蛋白質(zhì)結構的人工智能算法，就可快速篩選成千上萬的新藥物靶標，從而大大縮短新藥研
制周期；而制造自然界中并不存在的蛋白質(zhì)，無疑可以更好幫助人類以前所未有的方式應對重大挑戰(zhàn)。
端到端優(yōu)化AlphaFold2，讓人工智能更普適濟民
AlphaFold2為蛋白質(zhì)結構解析與預測提供了通途，為人工智能在生物醫(yī)藥等領域的應用打開了新的窗口，然而隨其在產(chǎn)、學、研各細分領域中的落地，也遇到嚴
峻挑戰(zhàn)。例如，隨各種應用對于推理高通量和高性能的需求與日劇增，使用者需要更加充分地挖掘平臺計算潛力，來提升執(zhí)行效率。
所謂高通量測序技術，也被稱為革命性的蛋白質(zhì)測序方法，也是“十四五”時期生物經(jīng)濟領域重點推進創(chuàng)新應用的一項關鍵技術，簡單講就是一次并行對大量核酸
分子進行平行序列測定的技術，但實施一次測序就能產(chǎn)出不低于100Mb的數(shù)據(jù)，這巨大的數(shù)據(jù)量給AlphaFold2的應用帶來很大困擾。
原來，AlphaFold2剛問世時由于算法和硬件架構本身等問題，如GPU的并行計算，但是這類硬件存在嚴重的內(nèi)存限制，使得即便是使用單卡最大內(nèi)存，能夠輸入去
預測的蛋白質(zhì)序列長度也不足1000氨基酸。
面對突破這一瓶頸的急迫需求，英特爾^？架構產(chǎn)品——內(nèi)置AI加速能力的至強^？可擴展平臺搭配傲騰？持久內(nèi)存的產(chǎn)品組合，使得CPU平臺得以具備TB級的內(nèi)
存容量，有潛力滿足高通量測序需求。基于這一優(yōu)勢，英特爾針對不同氨基酸序列長度下蛋白質(zhì)結構預測所需占用的內(nèi)存開展了實驗，實踐表明該組合打破了限制預測
序列長度的 “內(nèi)存墻”，實現(xiàn)了AlphaFold2的高通量優(yōu)化。
結果顯示，從短到206個氨基酸，至長到2797個氨基酸，最終都達到了預期效果，驗證了至強^？可擴展平臺產(chǎn)品組合，能夠輕松應對AlphaFold2蛋白質(zhì)測序從20
GB至510GB的內(nèi)存占用，并有助于其實現(xiàn)更大范圍的蛋白結構探索。
在推動AlphaFold2提升普適性、拓展應用的進程中，英特爾在發(fā)揮至強^？可擴展平臺產(chǎn)品組合提供強勁通用算力的同時，亦充分利用豐富的軟件工具實施通量優(yōu)化，
讓處理器內(nèi)置的英特爾^？AVX-512技術，在英特爾^？oneAPI 軟件工具的激活與配合下，實現(xiàn)并行計算加速，為AlphaFold2應用進一步提供性能調(diào)優(yōu)空間。
這一軟件級調(diào)優(yōu)，經(jīng)先在預處理階段對模型進行高通量優(yōu)化，然后將模型遷移到PyTorch框架，接著再在PyTorch版本上進行細節(jié)上的推理優(yōu)化，最后給予TB級內(nèi)存支
持，即可實現(xiàn)更優(yōu)的加速效果。
經(jīng)由上述基于至強^？可擴展平臺對AlphaFold2實施的端到端優(yōu)化，對于一個含有765氨基酸的蛋白質(zhì)測試樣例，采用CPU 64個物理核并發(fā)模式，支持了最高3.2TB的
內(nèi)存消耗，測試通量從未經(jīng)任何優(yōu)化的4.56序列/天提升105.35序列/天，效率提升達23.11倍；且如果在單節(jié)點上配備最高8TB內(nèi)存，就可以支持完成高于10000氨基酸序列
長度下蛋白結構的預測，為人工智能在藥物研發(fā)等領域的廣泛應用展現(xiàn)了無限可能。
在國際學術期刊《Science》聯(lián)合英特爾推出的《架構師成長計劃》課程中，晶泰科技的首席研發(fā)專家楊明俊博士這樣談到：“以AlphaFold2為代表的研究成果，被認
為是開拓了科學研究的第四范式，就是基于大量的數(shù)據(jù)，然后采用以深度神經(jīng)網(wǎng)絡為代表的模型，給出對問題的一個解答。蛋白質(zhì)結構預測曾經(jīng)被認為是不可能完成的一件
事情，如今被AI算法實現(xiàn)，這標志著AI在生物醫(yī)藥領域的進展邁入了一個全新的領域和階段。”
《“十四五”生物經(jīng)濟發(fā)展規(guī)劃》明確把加快發(fā)展高通量基因測序技術，作為開展前沿生物技術創(chuàng)新的重要手段；支持采用人工智能等信息技術，實現(xiàn)藥物產(chǎn)業(yè)的精準
化研制，進而通過生物技術與信息技術融合更好惠民。
相信在這一進程中，英特爾的架構優(yōu)勢也能物盡其用，其軟硬兼施對AlphaFold2生物信息測序效率實現(xiàn)端到端優(yōu)化，并使其具備更高適用性的生動實踐，展現(xiàn)了人工智
能與科學研究的相互融合，并為人類在前沿科學領域的未來發(fā)展帶來了廣闊的想象空間。通過不斷地范式創(chuàng)新成果樹立新的“AI for Science”里程碑，以創(chuàng)造更美好的未來！
AI for Science：科學智能，用AI去學習科學原理，得到模型，進而去解決實際問題。
AlphaGo：阿爾法圍棋，是DeepMind公司的一個人工智能程序。
AlphaFold2：DeepMind公司的另一人工智能程序，用于蛋白質(zhì)結構預測。
AI：人工智能。
GPU：圖形處理器，是一種專門做圖像和圖形相關運算工作的微處理器。
CPU：中央處理器，計算機系統(tǒng)的運算和控制核心。
AVX-512：英特爾^？高級矢量擴展512，是一組能夠針對各種工作負載和用途（如科學模擬、深度學習、3D建模與分析等）提高性能的指令。
oneAPI：一套完整的高級編譯器、庫以及移植、分析和調(diào)試器工具，其利用先進的硬件功能加速計算，可與現(xiàn)有的編程模型和代碼庫互操作。
PyTorch：是一個開源的Python（計算機編程語言）機器學習庫。
圖文及數(shù)據(jù)來源：英特爾（中國）有限公司
