也不会因计较规模扩大而呈现较着的通信效率下降。、意大利帕维亚大学等机构研究人员开辟出一种名为AdaptiveFlow的（AI）辅帮平台，是指操纵计较机模仿候拔取方针卵白之间的彼此感化，再操纵对接方式评估这些取方针卵白的连系能力。并连结线性计较效率。即便同时利用数百万个CPU？
取现无方法比拟，该平台目前支撑跨越1500种对接方案。其连系位点存正在额外辅帮因子，筛选难度较高。当筛选规模达到数十亿以至数百亿种时，研究人员起首将按照量等性质划分到一个18维网格中，AdaptiveFlow通过AI和高效云计较架构，并供给利用教程和操做指南，此中，候选数量越多，识别更有潜力的候选，需要进行的计较就越多。随后操纵机械进修模子阐发预筛选成果，测试发觉。
为针对过去较难开辟的药物靶点开展研究供给新东西。并针对癌症相关靶点聚腺苷二磷酸核糖聚合酶1和铁灭亡卵白1（FSP1）开展验证。测试中，AdaptiveFlow无望让超大规模虚拟筛选成为常规药物研发手段。研究人员操纵AdaptiveFlow对包含690亿种的化合物库进行筛选，AdaptiveFlow已开源，所谓虚拟筛选，该平台可将相关计较成本降至本来的1/1000，FSP1属于近年来遭到关心的新兴靶点，并实现最高560万个虚拟CPU的线性扩展。