二、 Uni-Fold概览
Uni-Fold为了打破AlphaFold的限制。目前已开源的Uni-Fold训练代码，经过MPI并行、数据异步读取、混合精度训练等优化工作，支持高效GPU训练。
基于优化后的训练代码，深势科技团队实现在128块NVIDIA GPU上进行AlphaFold2模型的全规模训练，并将持续优化所得模型。Uni-Fold的推理代码更加轻量、高效，在相同硬件环境下，可获得与公布的Alphafold2代码相比2-3倍的效率提升。
在2022年8月，深势科技最新发布的功能是对称蛋白的结构预测。跟据统计，在已知的蛋白结构中，72%的蛋白具有对称结构，包括离子通道、蛋白酶等重要类型对生命科学研究具有重大意义。
深势科技长期关注蛋白质折叠方法及其相关应用。自AlphaFold2发布后，深势科技团队第一时间与之对标，研发自主方案Uni-Fold。2021年12月，深势科技推出Uni-Fold v1.0.0，国际首次复现了AlphaFold2官方代码的全尺寸从头训练，并开源了训练与推理代码。
今年4月，深势科技于Hermite药物设计平台上线Uni-Fold v1.1.0，将代码框架由JAX迁移至PyTorch，并取得了对AlphaFold精度、速度的“双超越”；今年5月，深势科技上线Uni-Fold v2.0.0，国际首次复现了蛋白复合物结构预测模型AlphaFold-Multimer的全尺寸从头训练，并达到更优精度。
伴随新一轮的精度与效率提升，深势科技开源了最新版本Uni-Fold的代码与模型参数。借助本次开源，我们希望与志同道合的伙伴合作互助，共同开发下一代的蛋白质折叠模型。深势科技将继续关注领域最新进展，不断打磨算法与产品，为用户提供更加优质的服务，探索创造更多可能。
目前，AlphaFold的代码、模型、数据都已经开放。相关网址，如上图所示。
AlphaFold已经在ModelScope社区开源，大家可以在线体验。只要输入一个蛋白序列，就可以预测蛋白结构。
除此之外，AlphaFold的数据全部放到了ModelScope社区，用户可以直接使用数据进行训练，无需要任何额外的处理。
