文献

J-GLOBAL ID：202202268885851076   整理番号：22A0930252

ProSE:蛋白質発見エンジンのアーキテクチャと設計【JST・京大機械翻訳】

ProSE: the architecture and design of a protein discovery engine

著者 (3件)： Robson Eyes (University of California at Berkeley, USA) ,  Xu Ceyu (Duke University, USA) ,  Wills Lisa Wu (Duke University, USA)
資料名： ACM Proceedings  (ACM Proceedings)
号： ASPLOS 2022  ページ： 655-668  発行年： 2022年 
JST資料番号： D0698C  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 蛋白質言語モデルは蛋白質構造予測,機能アノテーション及び薬物発見へのブレークスルーアプローチを可能にした。これらの強力なモデルの広範な採用に対する一次限界は,特に長いシーケンス長において,これらのモデルの訓練と推論に関連する高い計算コストである。蛋白質設計および発見加速器ProSE(Protein Systol Engine)のアーキテクチャ,マイクロアーキテクチャおよびハードウェア実装を提示した。ProSEはカスタム不均一収縮期アレイの収集と移動学習モデル推論を効率的に処理する特殊な機能を有する。アーキテクチャは,一般性を犠牲にすることなく効率を達成するために,モデル層を横切る粗粒操作シーケンスを最適化する,収縮期アレイアーキテクチャによるSIMDスタイル計算を,行っている。ProSEは,1つのNVIDIA A100 GPUと比較して,最大6.9×高速化と48×電力効率(性能/ワット)で蛋白質BERT推論を実行する。ProSEは,TPUv3(TPUv2)と比較して,5.5×(12.7×)高速化と173×(249×)電力効率を達成した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 加速器 ,  最適化 ,  学習 ,  ニューラルネットワーク ,  *タンパク質 ,  高速化 ,  *計算機アーキテクチャ ,  SIMD ,  普遍性 ,  アノテーション ,  電力効率 ,  言語モデル
準シソーラス用語： 計算コスト ,  ハードウェア実装 ,  蛋白質構造予測 , 【Automatic Indexing@JST】

著者キーワード (6件)： 加速器 ,  ドメイン固有アーキテクチャ ,  NLP ,  ニューラルネットワーク ,  蛋白質設計 ,  変圧器

分類 (2件)： 分子・遺伝情報処理  (JE15040B) ,  蛋白質・ペプチド一般  (EB03010N)

タイトルに関連する用語 (4件)： 蛋白質 ,  発見 ,  アーキテクチャ ,  設計