LKlight：Rust 高性能 LightDock 引擎 —— 技术规格与基准测试

1引擎家族与交付

同一套 GSO 与打分模型的三档产物；切换只影响“用哪块硬件、多快算完”，不影响“算什么、多准”。

GPU 版为 Apple Silicon 提供 Metal 后端（v1.2.1 起）：macOS 无 NVIDIA，但仍可借助集成 GPU 加速（同源 kernel 逐行移植，Metal best 与 CUDA best 逐位一致）；CUDA 后端面向 Windows / Linux NVIDIA 主机。任一主机无可用 GPU 时自动回退 CPU grid 路径，结果不变。

2加速原理

加速只改写“求和顺序与执行硬件”，原子对覆盖与物理模型不变。

2.1 打分分解（grid）

• 近距 ≤10 Å：受体原子建 10 Å 均匀 cell，27 邻域窗口枚举全部 ≤10 Å 原子对——clamp 静电、LJ、clash 罚逐对精确计算，原子对集合与 LKlight 一致（nearcell 枚举正确性有“对集 == 全对扫描”随机单测背书）。
• 远距 10–30 Å：10 Å 外静电 clamp 永不触发 → Coulomb 可线性分解，先建受体 φ(x)=Σq/d² 的 0.5 Å 势场（v1.2.0 默认；v1.1.0 为 1.0 Å），配体原子三线性采样；误差仅为场插值——0.5 Å 场把最坏插值误差从 9.6 收紧到 6.94 能量单位（结合位姿 ≤0.5%）。
• vdw 无远距项 → cell 全覆盖，与 LKlight 逐位一致；cpydock 脱溶只依赖 ≤6.4 Å 最近原子（在 cell 窗口内）→ 无近似。

2.2 GPU 批量（gpu）

• 同一分解整体下沉 device：gridDim.y = 构象数；原子刚体变换在 kernel 内以 f64 完成（与宿主逐位一致）后转 f32。
• 每步只上传 N×7 pose 参数（替代 N×nl×3 全坐标；n=2000 时 303 MB → 112 KB），消除逐构象 CPU launch 同步开销。
• Apple Silicon Metal 后端：同一批量 kernel 以 Metal Shading Language 逐行移植。Apple GPU 无快速 fp64 → 刚体变换留在 CPU 以 f64 完成，经统一内存共享 MTLBuffer 零拷贝上传，GPU 只做 f32 近/远场累加（与 CUDA 同 f32 预算）；MSL 逐字移植 CUDA 数值，故 Metal best 与 CUDA best 逐位一致。
• 回退链：运行时先探测 CUDA、再 Metal，皆无则走 CPU grid——同一源码树服务 NVIDIA / Apple / 纯 CPU 主机，结果均等价。

2.3 约束 / 膜 / ANM

• restraints / 膜：界面残基标记在 cell 近距扫描内顺带收集 → 不再回退 30 Å 全对扫描；带约束 run 与 LKlight 收敛一致（best/median 逐值相同）。GPU kernel 不返回标记 → 约束/膜场景 GPU 自动走 CPU cell 路径，结果等价。
• ANM：受体每步独立变形使静态场失效，按设计保留参考路径（保真优先）。

3数值契约

以 LKlight 为真值的实测一致性（v1.1.0 采集口径，v1.2.x 同源保持）（1AZP 蛋白-DNA、用户 RNA 大体系）。

4性能基准

4.0 为 v1.2.0 / v1.2.1 最新同场验收（2026-09-06 采集）；4.1–4.3 为 v1.1.0 era 在 Linux RTX 3080 Ti 上采集的规模扫描（1.0 Å grid 口径；v1.2.x 同源结构保持——远场 0.5 Å 精度更高、GPU 批路径经缓存修复后只快不变、最优能量不变）。

4.0 同场 1,000 × 1,000 高吞吐验收（v1.2.0 / v1.2.1，最新）

GPU 4.05 s 为缓存修复后实测（早期内部构建同批 267.6 s；修复不改变任何打分，best 逐位不变，见 §7）。两主机 CPU 行均为 v1.2.0 同参数、同 PDB、同 seed；GPU/CPU-grid/LKlight 三档 best 与 Linux RTX 3080 Ti 逐位一致（表 2）。Mac M4 无 NVIDIA 设备即达 7.6× grid——Metal 后端把 GPU 加速带到 Apple 平台。GPU 单步（1000 构象批打分）≈4–6 ms；跨平台同批数据与驱动器见第 8 节归档。

4.1 蛋白-DNA（1AZP）端到端（v1.1.0 era 采集）

蛋白级小体系三引擎≈打平（每 swarm 固定框架开销 ~1.2 s 主导）；grid/GPU 收益需由构象数×步数放大（见 4.0 与 4.2–4.3）。

4.2 RNA 大体系（受体 8,218 + 配体 12,625 原子，v1.1.0 era）

4.3 规模极限（RNA 大体系，50 步/列，秒，v1.1.0 era）

LKlight 线性增长（每增 1 构象/50 步约 +1.04 s）；grid 线性但斜率低一个量级；GPU 在 N=20→2000 仅 7.6→9.1 s 近乎水平——GPU 硬上限实测 N=10,000 可跑，常规安全线取 5,000。

对照 Python LightDock（参考实现）：同机单 swarm 100 步 × 200 构象实测 dfire 107.5×、vdw 18.8×、cpydock 14.2×、dna+ANM 13.0×（开发期同协议）；用户 RNA 任务 Python >2 h 超时，LKlight-grid ≈22 s 端到端。

512 评分函数矩阵

RNA 大体系单 swarm 20×100 步（Linux 实测，v1.1.0 era 采集；加速前=该函数在 LKlight 全原子语义下的耗时）。

GPU 版：批量加速覆盖全部四个全原子族——dna/vdw/pydock/cpydock，CUDA 与 Metal 双后端同构（按族参数化 batch kernel，cpydock 另含两阶段去溶剂化）。1,000×1,000 实测：M4 上 6.99 s / 5.42 s / 7.02 s / 26.9 s（对 CPU grid 6.7× / 6.8× / 6.1× / 7.5×），3080Ti CUDA 对 cpydock 27.8×；各族 best 能量差在 f32 预算内（vdw ≈2.5e-4、pydock ≈3.5e-4、cpydock ≈1.5e-4 绝对值，dna 逐位一致）。其余 8 个查表/统计势函数（dfire … ddna）exact 即 ≤4.8 s（多为 ≤0.2 s），无瓶颈，在 GPU 二进制内走与 LKlight-grid 相同的 CPU 网格路径（输出逐字节一致）。注意：Linux 静态版（musl libm）对 pow 密集函数较慢，sd 实测 11.5 s vs glibc 版 1.28 s（结果一致）——sd 重度场景请用 glibc 构建。

6场景选型

7已知边界与差距（实测确认，不回避）

• 小体系打平：蛋白级任务三档≈相同（框架开销主导），GPU 甚至略慢于 CPU；加速收益须靠构象数×步数放大。
• GPU 批量仅对瓶颈函数有价值：四个全原子族（dna/vdw/pydock/cpydock）已全部 GPU 化（CUDA+Metal 双后端，cpydock 含两阶段去溶剂化）；其余 8 个查表/统计势函数 exact 即毫秒~秒级，GPU 化的 launch+上传开销大于收益，故维持 CPU 网格路径（结果逐字节一致）。
• Metal 后端精度与带宽档位（v1.2.1）：Apple GPU 无快速 fp64 → 位姿归约在 f32 进行，深嵌位姿相对 CPU 参考的偏差约 1e-4 相对档（CUDA 后端用 f64 归约，<1e-5）；M4 统一内存带宽 ~100 GB/s，故其 GPU/grid 比 7.6× 低于 RTX 5090 的 9.1×——均为实现/硬件档位而非打分模型差异，best 能量与 CUDA 逐位一致。
• Linux 静态版 musl libm 的 pow 较慢：影响 sd 等 pow 密集函数（结果一致）；dna/vdw/cpydock 不受实质影响。
• LKlight 大体系线性不可行：RNA 100 步外推 N=500 ≈18 min、N=1000 ≈35 min——逐对语义仅适合小体系校验。
• 算法上限（三档相同）：刚体近似、超长链配体几何病态、采样充分度——加速不改变搜索正确性上限。

8数据来源与复现