$SCHRODINGER/run -FROM glide active_learning_glide.py -h

驅(qū)動程序要求

驅(qū)動程序（主作業(yè)）必須在作業(yè)的整個(gè)持續(xù)時(shí)間內(nèi)運(yùn)行而不會中斷。這意味著運(yùn)行它的計(jì)算資源不能是現(xiàn)貨或可搶占的云實(shí)例。這些節(jié)點(diǎn)可以被搶占（終止），如果發(fā)生這種情況，您的整個(gè)作業(yè)將丟失。

該參數(shù)確定驅(qū)動程序的運(yùn)行位置。選擇用于按需（即不可搶占）節(jié)點(diǎn)類型的主機(jī)條目。-DRIVERHOST

如果有足夠的許可證和計(jì)算資源來同時(shí)運(yùn)行多個(gè) AL-Glide 作業(yè)，建議配置驅(qū)動程序主機(jī)條目，以便它請求整個(gè)節(jié)點(diǎn)，以避免多個(gè)驅(qū)動程序可能使用相同的節(jié)點(diǎn)和暫存文件系統(tǒng)，從而使空間需求增加一倍（或更多）。

暫存空間

驅(qū)動程序主機(jī)上所需的暫存空間量與輸入配體文件的大小有關(guān)。具體而言，驅(qū)動程序主機(jī)必須有足夠的暫存空間來容納下面所述的文件。

示例的暫存要求以紅色提供。所有參數(shù)均符合我們對具有主動學(xué)習(xí)滑行功能的超大屏幕的建議。

示例篩選參數(shù)，基于 10 億個(gè)輸入配體

• 10 億個(gè) SMILES 格式的藥物樣配體 （100 GB）
• 主動學(xué)習(xí)的 3 次迭代 （-iter 3)
• 50 000個(gè)配體的批量訓(xùn)練大?。?/span>-train_size 50000)
• 每次迭代后保留的頂級配體數(shù)量為 1 億個(gè) （-keep 100000000)
• 使用 Glide SP 對前 100 萬個(gè)配體進(jìn)行重新評分 （-num_rescore_ligands 1000000)
• 以 Maestro 格式為重新評分的配體 （-write_pose)

暫存空間細(xì)分

• 輸入文件的副本：100 GB
• 將輸入文件拆分為單個(gè)子作業(yè)輸入批處理：100 GB
• 包含每個(gè)批次前 10% 的預(yù)測的 CSV 文件（按不確定性排序）。它們用于為每次訓(xùn)練迭代選擇輸入配體：30 GB
• 包含所有批次配體ligand_ml預(yù)測的 CSV 文件：100 GB×num_iteration
• 每次訓(xùn)練迭代的輸出文件，其中包含命令行參數(shù)指定的得分最高的化合物數(shù)量的預(yù)測：30 GB×num_iteration-keep
• 自選：如果指定，則包含使用 Glide SP 化合物重新評分的頂部姿勢的單個(gè) CSV 文件，指定如下： 200 MB-num_rescore_ligand-num_rescore_ligand
• 自選：如果提供，則包含重新評分配體姿勢的 Maestro 文件：2 GB-write_pose
• 此示例的總空間：622.2 GB（3 次迭代）

內(nèi)存

對于 Active Learning Glide 的典型運(yùn)行，建議在驅(qū)動程序主機(jī)上使用 64 GB 的 RAM。

這是基于上述示例工作流。

子作業(yè)要求

下面列出了內(nèi)存、磁盤空間和推薦的 Google Cloud Platform （GCP） 實(shí)例類型的要求。

所有值均基于上述示例工作流。

機(jī)器學(xué)習(xí)培訓(xùn)

建議使用 Nvidia T4 GPU。

• 暫存空間：600 GB
• 內(nèi)存：64 GB（每個(gè) CPU 內(nèi)核 8 GB）
• 與搶占式節(jié)點(diǎn)兼容：否
• 推薦的 GCP 節(jié)點(diǎn)類型：n1-highmem-8

ML評估

• 暫存空間：100 GB
• 內(nèi)存：32 GB（每個(gè) CPU 內(nèi)核 4 GB）
• 與搶占式節(jié)點(diǎn)兼容：是
• 推薦的 GCP 節(jié)點(diǎn)類型：n2-standard-8

Glide

• 暫存空間：100 GB
• 內(nèi)存 32 GB（每個(gè) CPU 內(nèi)核 4 GB）
• 與搶占式節(jié)點(diǎn)兼容：是
• 推薦的 GCP 節(jié)點(diǎn)類型：n2-standard-8