天河超算助力GalaxyVS平台千亿分子秒级虚拟筛选

当前，药物研发领域面临的核心挑战是“双十”困境——平均耗时超过十年、投入资金动辄十亿美元起步。其中最关键也最令人头疼的早期环节，在于从浩瀚的化学分子库中精准锁定能与特定蛋白质结合、具备治疗潜力的候选物。传统实验室筛选成本高、周期长，效率难以满足实际需求；而计算机模拟的分子对接方法虽有所改善，但计算效率偏低、假阳性率居高不下。随着可合成化合物库规模激增至千亿甚至万亿级别，现有算法、算力、存储乃至工程实现均显得力不从心。

正是在这一背景下，2026年5月25日，由国家超级计算天津中心首席科学家孟祥飞与清华大学智能产业研究院兰艳艳教授联合领衔的团队，正式推出了一款面向超大规模药物发现的人工智能虚拟筛选平台，命名为GalaxyVS。

该平台的最大亮点在于，基于新一代天河超算系统，在全球范围内首次实现了对近千亿级可合成化合物空间的秒级虚拟筛选。换句话说，过去需要耗费数月甚至数年的药物早期筛选步骤，如今压缩到几十秒即可完成。这并非渐进式优化，而是对原有流程的一次彻底重塑。

从技术底层剖析，GalaxyVS的创新思路极为巧妙

团队核心成员、国家超级计算天津中心李培顺博士介绍，GalaxyVS的技术底座源自清华大学智能产业研究院此前发表于科学期刊的DrugCLIP模型。其核心思想是将蛋白质结合口袋与小分子统一映射到同一高维向量空间，从而使原本需要逐项计算、逐一匹配的蛋白-配体任务，转化为可用大规模并行方式处理的高维向量快速检索问题。结果，传统分子对接在速度与规模上的双重瓶颈被从根本上绕开。

算力方面，GalaxyVS深度整合了新一代天河超算的大规模并行计算能力。团队自主研发了一套名为YH-Torch的智能计算框架，成功完成DrugCLIP模型在国产异构硬件平台上的全面适配与深度优化。这意味着它彻底摆脱了对传统CUDA/GPU生态的依赖，将近千亿分子高效编码从理论模型转化为稳定运行的超算级工程系统。

在检索架构上，系统同样实现了创新。它引入了一套磁盘原生图索引框架，并配合定制化内存预加载机制，有效突破了共享存储系统对性能的制约。计算流程不再受存储瓶颈拖累，整体系统吞吐效能显著提升，为超大规模虚拟筛选提供了坚实的工程支撑。

实际测试的结果，更能直观说明问题

实测数据显示，GalaxyVS可以在千级数字信号处理器节点上高效完成约四百万个生物靶点口袋的全模式编码；同时，能在超过两万个计算节点上同步进行分子检索。单次针对千亿级分子库的完整检索仅需数十秒，每个靶点口袋的平均响应时间不足一秒。更令人印象深刻的是，系统日均分子对接吞吐量达到十六万亿次，相比当前国际公开报道的最高超算纪录，整整提升了六个数量级——这才是真正的降维打击。

从更长远的角度来看

团队透露，GalaxyVS的未来应用边界还将持续延伸。计划覆盖跨物种蛋白-配体互作图谱构建、大规模开放药物数据集建设，以及AI驱动的药物发现新型基础设施布局。最终目标，是推动新药研发范式从经验主导转向数据驱动，从局部探索升级为全局覆盖，从单一算法演化为系统化工程体系——这或许是整个行业真正值得期待的方向。