Newest papers

gpuGEM: GPU-based linear optimisation of genome-scale metabolic models

Farid Zare, Timothy Hulshof, Ines Thiele, Ronan M. T. Fleming · 2026 · arXiv (Cornell University)

DOI: 10.48550/arxiv.2610.24106 · cited by 0 works (OpenAlex) · open-access PDF

French

Résumé: Les modèles de données métaboliques à l'échelle du génome défient de plus en plus les résolveurs de programmation linéaire de la CPU dans les flux de travail d'optimisation répétée. Nous présentons gpuGEM, une bibliothèque Python open-source pour l'optimisation de GEM basée sur GPU en utilisant NVIDIA cuOpt, avec des paramètres adaptatifs de taille validés contre HiGHS et Gurobi. Au travers d'une suite de références de dix modèles comprenant quatre ordres de magnitude en taille de problème, gpuGEM a atteint des vitesses de 1.1x à 94x par rapport à la plus rapide des méthodes HiGHS dual-simplex et interior-point pour chaque modèle. gpuGEM a également surpassé Gur

Machine translation (Meta M2M100); the English original follows.

Abstract

Summary: Genome-scale metabolic models increasingly challenge CPU linear-programming solvers in repeated-optimisation workflows. We present gpuGEM, an open-source Python library for GPU-based GEM optimisation using NVIDIA cuOpt, with size-adaptive settings validated against HiGHS and Gurobi. Across a ten-model benchmark suite spanning four orders of magnitude in problem size, gpuGEM achieved speed-ups of 1.1x to 94x relative to the faster of the HiGHS dual-simplex and interior-point methods for each model. gpuGEM also outperformed Gurobi on three of ten models, with speed-ups of 1.6x to 2.5x. In a candidate-gene prioritisation workflow, gpuGEM reduced end-to-end query time from 41 s to 21 s. Availability and Implementation: gpuGEM is released under the MIT licence at https://github.com/Digital-Metabolic-Twin-Centre/gpuGEM and on PyPI (pip install gpugem). An archived release(v0.1.2) is available at https://zenodo.org/records/23422813. gpuGEM requires an NVIDIA GPU, Python 3.11 or later, CUDA 12 and cuOpt 26.6 or later. cuOpt requires a GPU with Volta architecture or newer (compute capability 7.0 or newer). Contact: ronan.mt.fleming@gmail.com Supplementary information: Supplementary data are available at Bioinformatics online.

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Topics: Python (programming language), Suite, Computer science, CUDA, Benchmark (surveying), Parallel computing

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange