专利交易市场

本发明提供一种基于CUDA架构的GPU加速锋电位分类系统，包括流式数据输入模块、滤波模块、锋电位提取模块、锋电位特征提取模块、锋电位聚类模块和锋电位增量聚类模块；本发明首先系统具有很好的抗噪性，可以提高分类的准确度，提高分类的速度，其次系统的全部模块基于CUDA架构实现，使得运行时间大幅缩短，在高维信道上可以达到实时分类，最后系统的模块化设计，具有良好的重用性和可扩展性，该系统极大的方便了脑神经科学方面的研究。

本发明涉及一种面向药物虚拟筛选的多线程协作的GPU加速方法及实现，该方法通过增加初始随机配体构象的数目来减少蒙特卡罗的迭代局部搜索方法中的搜索步数。利用OpenCL实现CPU和GPU异构并行结构以此达到更高水平的并行和加速能力。该方法还通过构造GPU中全局内存的结构来解决OpenCL中无法实现八叉树的问题。现代药物筛选需要面对海量的化合物数据，在实际分子对接过程中，有可能在对接之前事先不知道靶区，此时要将配体对接到蛋白质靶标的整个表面，找到配体和受体最佳结合模式，这个过程称为盲对接，常用的的对接软件很难满足盲对接的要求。采用本发明的方法，可以在保证在盲对接的情况下，不损失对接精度的同时大幅加快分子对接和虚拟筛选的速度，满足大型化合物数据库分子对接的实际需求。