AMD dice que MMseqs2 y HIPSW++ aceleran la búsqueda de proteínas en GPUs Instinct
AMD afirmó que ha desarrollado dos rutas de GPU de código abierto para la búsqueda evolutiva de secuencias en su hardware Instinct, posicionando la búsqueda de homología de proteínas y el alineamiento múltiple de secuencias en la misma infraestructura utilizada para cargas de trabajo de plegado posteriores. En un artículo técnico publicado el 14 de octubre de 2026, la empresa afirmó que las herramientas están diseñadas para acelerar un paso ascendente que a menudo determina cuánta señal biológica está disponible para IA modelos.
Evidencia y contexto
Según AMD, HIPSW++ es una implementación de GPU con alineación exacta de SmithadWaterman con penalizaciones de brechas afínes, mientras que la GPU MMseqs2 habilitada con ROCm está destinada a búsqueda de homología de alto rendimiento y generación de MSA. AMD dijo que los enfoques dos abordan diferentes partes del flujo de trabajo: HIPSW++ mantiene el algoritmo exacto de programación dinámica y MMseqs2 utiliza filtrado para eliminar coincidencias improbables antes de etapas de alineación más costosas. La empresa dijo que esto es importante porque las bases de datos modernas pueden contener cientos de millones de proteínas, lo que hace que el alineamiento completo por pares a escala sea computacionalmente costoso.
AMD describió HIPSW++ como el uso de paralelismo de frente de onda en GPUs AMD, manteniendo los valores intermedios en registros hilos locales cuando es posible y los valores de frontera intercambiados mediante instrucciones de barajado de frente de onda. Indicó que las matrices de sustitución se organizan en Local Data Share para reducir conflictos de bancos. Para MMseqs2, AMD dijo que la implementación habilitada para ROCm acelera el filtro de alineamiento sin huecos, donde cada celda de programación dinámica depende únicamente de su vecina diagonal superior izquierda, permitiendo la ejecución fila a fila de la GPU. La empresa también afirmó que la implementación soporta la ejecución multi-GPU dividiendo la base de datos de secuencias entre múltiples GPUs AMD en el mismo servidor.
En las pruebas que AMD citó en una nota al pie, realizada el 21 de septiembre de 2026 UniRef50 de escaneo de MMseqs2 habilitada con ROCm, con una única secuencia de consulta escalada a uno, dos, cuatro y ocho GPUs. AMD dijo que la configuración llegaba hasta 97 TCUPS en ocho GPUs Instinct MI325X. La compañía afirmó que MI325X superó el resultado correspondiente de H100 NVIDIA en todas las configuraciones probadas de 1, 2, 4 y 8 GPU, mientras que MI300X fue comparable o superior a H100. AMD también afirmó que las implementaciones de GPU ofrecieron un rendimiento sustancialmente mayor que MMseqs2 y JackHMMER basadas en CPU. La nota al pie indicaba que los resultados procedían de pruebas internas, que se incluyeron la carga, inicialización y preprocesamiento de datos, y que se excluyó el tiempo de construcción de la base de datos.
El material fuente de AMD también vincula el trabajo de software con flujos de trabajo más amplios de estructura proteica. La compañía señaló que la búsqueda evolutiva se sitúa aguas arriba de IA modelos que predicen pliegues, anotan genes o guían el diseño de proteínas, y que mantener la búsqueda y el plegamiento en el mismo acelerador puede reducir el movimiento de datos y simplificar el despliegue. Material de fondo aparte aportado con este informe señala que MMseqs2, o búsqueda de secuencias Muchos-contra-Muchos, es una suite en C++ para grandes conjuntos de datos de proteínas y nucleótidos y que su implementación en GPU fue descrita previamente en Nature Methods el 18 de septiembre de 2025.
El artículo se presenta como un anuncio técnico más que como un evento de mercado. No se proporcionaron precios, cambios en la disponibilidad de productos ni cifras de ingresos en el material original, y las afirmaciones de rendimiento se limitan a los benchmarks internos citados por AMD. AMD también señaló en la nota al pie que las configuraciones del sistema pueden variar y los resultados pueden diferir.