6.2.3.1超算+AI协同加速药物研发与蛋白质结构解析。围绕生物医药领 涵盖一维扩散吸收、二维达西流、二维潜水流的偏 域“药物发现周期长、算力需求高"的痛点,成都中心构建“超算算力基座+AI PDEBench_dataset 微分方程求解数据集,为数值计算 AI模型提供基 工具链"的协同体系,实现关键环节效率跃升。一是加速小分子药物筛选。依托 国产DCU加速卡,完成分子对接工具Unimol-Docking V2 的技术适配与功能验 证,形成标准化技术文档并对外提供服务;该工具可高效支撑小分子药物与靶 点蛋白的对接计算,相比传统方案将药物筛选流程提速30%以上。二是突破蛋 白质结构预测。联合百度完成 AlphaFold2模型的本地化部署,并推进 Alpha- Fold3 的移植优化;相比仅适用于单体蛋白对接的传统模型,AlphaFold3 可覆 6.2.3.3超算+AI协同推动地震科学从“0到1"的智能跃迁。面对地震科 盖“单体蛋白一复合物一抗体”等多场景结构预测，目前已为国内20余家科研 学领域“数据稀疏、认知局限"的世界级难题,成都中心联合中国地震局地球物 机构提供服务,助力生物医学领域科研效率提升50%以上 理研究所、清华大学,依托超智融合算力支撑,研发全球首个亿级参数地震学 6.2.3.2 AI模型+数据集构建超智融合仿真解决方案。针对仿真计算领 预训练大模型“谛听”。一是算力支撑突破。“谛听"模型参数规模达12亿,训练 域“门槛高<数据缺"的问题,成都中心搭建“开源AI模型+专用数据集”的支 过程需消耗 64张A100显卡连续一个月的算力,调参阶段为寻得最优参数组 撑体系,降低行业应用门槛。一是AI仿真模型部署。引入基于卷积神经网络 合,依托中心上千张DCU开展持续数月的高强度实验,通过超算的大规模算力 (CNN）的开源 AI训练模型 DeepCFD,支持 GPU 算力调度,专注于计算流体 突破AI模型训练的算力边界。二是实现技术创新与应用价值。“谛听”首次将 力学(CFD)问题预测。用户可通过 Python 脚本或模块直接调用模型,无需复 AI预训练范式引入地震学领域,可实现地震波形的高精度拾取,在0.3s阈值 杂的CFD专业知识,将仿真计算周期从“数天"缩短至“小时级”。二是专用数 偏微分方程求解、流场预测等核心场景,为国内科研机构提供高质量训练数 据。例如,DeepCFD-dataset 包含981个管道流样本的几何输入与真实CFD解， 可直接用于流体力学AI模型的训练与验证,已支撑30余个高校及企业的仿 真研究项目。 基于经典 Ahmed 车身模型的空气动力学数据集， 支撑汽车、航空领域的风洞测试与CFD 模拟研究