成功案例｜DC-ROMA RISC-V AI PC助力分子共晶预测准确率达93.8%

转自：Daniel René Estrada Vázquez，奇瓦瓦自治大学博士生

作为一名计算化学研究实验室的博士生，我从第一性原理出发构建了 PROPHET——一个集成平台。它读取两个分子的量子力学指纹，回答一个简单却一直难以解答的问题：它们会一起结晶吗？

该系统包含两个由我亲自开发的预测引擎。

第一个是 IBLIS，一个传统机器学习流水线。它将一系列物理“预言”模块——涵盖量子反应性理论、热力学相建模和几何对接——汇总成一个概率共识。在大约1300对经过实验验证的分子组合上，它的表现明显优于历史上的经验法则。效果足够实用，但还没有达到我们的目标。

核心是 ARGUS，这是我开发的一个深度学习引擎。它将分子对的量子拓扑结构处理为空间反应性张量。只要输入活性药物成分（API）和共形成体的量子表面图，它就会返回一个概率。

模型在大约2200对经过实验表征的分子组合上进行了严格的5折交叉验证，确保没有分子同时出现在训练集和测试集中：

ARGUS 标准模式（未见过的分子对）：

• AUC = 0.938

• F1 = 0.854

ARGUS 严格零样本模式：AUC = 0.925

• 准确率：85.4%

• 精确率：80.5%

• 灵敏度：91.0%

看到这些数字，第一反应是数据泄露。我进行了二次验证：在一个结构家族上训练，在一个化学性质完全不同的保留集上测试。模型依然稳健。它不是死记硬背，而是真正在泛化。

在分子预测中，当你如此接近完美判别时，通常意味着你找到了一种表征方法，能够捕捉到分子在凝聚态中相互作用的某种本质。引入拓扑结构是关键。

2025年5月，我支付了深度数智 DC-ROMA RISC-V AI PC 的预订费——这是一台搭载8核 SiFive P550 处理器的机器（RISC-V 64位，最高2.0 GHz，乱序执行），内置 NPU，提供 40 TOPS 的本地 AI 算力，32 GB LPDDR5 内存，全部封装在13英寸的 Framework 笔记本电脑机身中。

我本职是研究人员，骨子里是个技术发烧友，总想挑战极限——但研究实验室的生活很难按计划推进，我的项目一再被推迟。深度数智在六个月内一直为我保留预订，没有一句抱怨，没有一次升级投诉，也没有一封自动邮件威胁取消订单。关于交付、规格或物流的每个问题，都得到了真人回复。快速、友善，而且真诚地提供帮助。

我认真对待这份信任——不仅是作为研究人员，更是作为一个相信开放硬件值得真正验证（而不仅仅是写写博客）的人。上周的基准测试结果如下：

Oracle 流水线（物理模块，顺序执行）：

• Intel Haswell i7 @ 2.2 GHz（2015款 MacBook Pro）：每对 2.97 秒

• SiFive P550 RISC-V @ 1.8 GHz（DC ROMA）：每对 3.15 秒

• 差距：6%

神经网络推理（ARGUS，INT8 量化 → NPU）：

• 朴素的 IPC 协议：每次预测 88 毫秒

• 优化的二进制协议：每次预测 2.7 毫秒

• 加速比：32 倍

模型质量跨架构保持一致：

• ARGUS AUC：0.938（标准模式），0.925（严格零样本模式）

• CPU/NPU 一致性：在量化误差范围内

• 五个随机种子的 NPU 验证：通过——没有出现常量分数伪影

四十年来，严肃的科学计算一直是专有技术的游戏（Intel、AMD 以及后来的 ARM）。RISC-V则不同——它是一个开放指令集，任何人都无需许可即可实现。

人们一直以来的批评是：这玩意儿对教育挺好，但还没法用于实际工作。我们刚刚在 DC-ROMA 上运行了一个准确率 93.8% 的深度学习流水线——这颗 RISC-V 芯片没有向量扩展，运行频率比我们的 Intel 对比系统低 400 MHz。差距仅为个位数百分比。

再经历一代芯片，这个差距就会归零。到那时，你将得到任何授权费都买不来的东西：一个没人能限制的处理器架构。

致深度数智：感谢这六个月，感谢你们的信任和耐心，你们造出了这块主板，而我证明了它在计算化学领域能做什么，当然后续还有更多......

这是一块拒绝被称为“实验品”的开源硅片，它不是实验品，它就在这里。