跳到正文
原文
IT之家·人工智能·· 2 天前AI 评分45

清华大学发布单细胞蛋白组基础模型 ProtCell,在摩尔线程 S5000 上完成预训练复现

清华大学发布单细胞蛋白组基础模型 ProtCell,利用摩尔线程 S5000 智算卡成功完成“虚拟细胞”预训练复现

文章要点
  • 1清华大学自动化系江瑞课题组发布单细胞蛋白组基础模型 ProtCell,汇集约 3.8 亿个细胞、98 个公开数据集
  • 2论文披露在摩尔线程 MTT S5000 智算卡上完成全流程预训练复现,主要指标与国际主流 GPU 差异约 0.2%
  • 3模型可映射细胞状态并推断未测蛋白表达,为药物研发与虚拟细胞构建提供底座支撑
  • 4文章称虚拟细胞已成全球 AI4S 竞争战略高地,国际机构正投入数十亿美元与万卡级算力竞逐
决策要点

国产智算卡在生命科学基础模型上给出与国际 GPU 仅差约 0.2% 的复现结果,算力国产替代有了可量化参照。

  • 影响:生物医药与科学计算团队的训练算力采购多出国产选项,成本与供应结构可重新测算;政策把「人工智能 +」科学技术列为重点行动首位,生物遗传数据的安全考量可能让自主算力要求向采购环节传导;复现指标为论文与厂商口径,尚未见独立评测。
  • 参考:可考虑在下一轮算力评估中把国产训练卡纳入对比清单,先用小规模任务实测 MUSA 生态的代码迁移成本;值得盘点现有训练代码对 CUDA 的依赖范围,再挑选试点场景。
  • 依据:0.2% 差异与复现结果来自论文披露并经摩尔线程公众号转述,官方口径暂无独立验证;3.8 亿细胞、98 个数据集为论文所述规模。
正文

IT之家 11 月 14 日消息,据摩尔线程公众号,近日,清华大学自动化系江瑞课题组发布了面向单细胞蛋白组的基础模型 ProtCell,完成了论文《ProtCell:a foundation model for single-cell proteomics》。该模型汇集约 3.8 亿个细胞、98 个公开数据集用于预训练与评估,能够精准映射细胞状态、推断未测蛋白表达,为药物研发与前沿“虚拟细胞”构建提供了关键底座支撑。

论文同时披露,团队在摩尔线程旗舰级 AI 训推一体智算卡 MTT S5000 上成功完成了 ProtCell 的全流程预训练复现,主要定量评测指标与国际主流 GPU 平台的差异仅约 0.2%,验证了摩尔线程全功能 GPU(Universal GPU)与 MUSA 全栈软件生态对前沿生命科学基础模型的承载力。

公开信息显示,“虚拟细胞”旨在用 AI 在计算机中构建细胞的运行模型,描述细胞当前状态,并精准预测细胞在受到药物、基因编辑等干预后的动态变化,已成为全球 AI4S 竞争的核心战略高地。

国际上,顶尖科研机构与科技巨头正加速投入数十亿美元与万卡级算力集群竞逐这一领域。在我国,《国务院关于深入实施“人工智能 +”行动的意见》把「人工智能 +」科学技术列为重点行动首位。由于虚拟细胞研发所依赖的基因组、蛋白组等核心数据高度涉及国家生物遗传资源安全,构建自主可控的先进算力基座至关重要。

来源:IT之家·人工智能 · ithome.com