NVIDIA acelera predição de estrutura de proteínas com novo runtime BioNeMo

A NVIDIA apresentou o BioNeMo Inference Runtime, um runtime que acelera modelos de predição de estrutura de biomoléculas em GPUs da empresa preservando o fluxo de trabalho familiar do PyTorch. A proposta é simples: permitir que pesquisadores prevejam a estrutura de proteínas em larga escala sem abandonar as ferramentas que já usam.

Como funciona

O runtime oferece um processador de ponta a ponta que conduz as entradas por todas as etapas do pipeline: parsing, tokenização, geração de características, inferência em GPU e saída em formatos padrão como PDB ou mmCIF. Para quem prefere maior controle, também há suporte à integração direta de módulos PyTorch em código customizado.

Para cargas grandes de trabalho, um executor baseado em Ray posiciona uma réplica completa do modelo em cada GPU de um único nó, sobrepondo as etapas de CPU com o processamento de GPU para aumentar o throughput geral. A otimização do BioIR atua em três camadas distintas: seleção de kernel, otimização de módulo com captura de CUDA Graph e escalonamento de pipeline via réplicas Ray.

Os números

Em um benchmark pareado com 1.000 alvos de dímeros humanos rodando em 8 GPUs H100, o Boltz-2 acelerado pelo BioIR entregou 58,5 mil resíduos dobrados por GPU-hora, contra 20,2 mil de uma implementação open source compilada com torch — uma melhoria de 2,90 vezes no throughput normalizado por resíduo.

O ganho também aparece no consumo de energia: estima-se que dobrar um milhão de alvos comparáveis exija 11 MWh com o BioIR, contra 35 MWh da implementação pública — cerca de três vezes menos energia para a mesma carga.

Por que isso importa

A predição de estrutura de proteínas é uma ferramenta central na descoberta de fármacos e na biotecnologia moderna. O problema é que, quando se precisa prever a estrutura de milhares ou milhões de sequências — como em triagens de larga escala —, o custo computacional e energético se torna um gargalo real.

Ao triplicar o throughput por GPU e reduzir o consumo de energia na mesma proporção, ferramentas como o BioIR tornam viável o que antes era proibitivo. Para o ecossistema brasileiro de pesquisa em saúde e biotecnologia, que frequentemente enfrenta restrições de acesso a computação de ponta, cada melhoria de eficiência amplia o horizonte do que é possível fazer com os recursos disponíveis.