我们提出了 BitBIRCH-Lean,它是 BitBIRCH 算法的一种快速、内存高效的实现,专为在典型工作站上对海量分子库(高达数十亿个药物类分子)进行高通量聚类而设计。BitBIRCH-Lean 通过在聚类树中引入动态类型和位打包指纹,显著改进了原始的 BitBIRCH 实现。BitBIRCH-Lean 中的大多数操作都在压缩数据上高效执行,可选的 C++ 扩展加速了瓶颈计算,提供了高达 2 倍的加速效果。与 GPU 加速方法进行的基准测试突显了 BitBIRCH-Lean 作为处理海量分子的高效替代方案。我们进一步展示了这个新软件的通用性,通过展示一种并行、多轮次的 BitBIRCH 算法变体,利用效率提升,在几分钟内对数亿个分子进行聚类,且不损失聚类质量。该代码免费获取地址为: