用途：在编写或调试 nvMolKit Python 代码时使用，针对 GPU 加速的 RDKit 批量操作。适合成千上万分子的整体批处理，关注批次吞吐量而非单分子延迟，且同一操作在整批上重复执行。输入输出是真实的 RDKit Mol 对象，构建时链接 RDKit。
主要能力：Morgan 指纹（nvmolkit.fingerprints 的 MorganFingerprintGenerator.GetFingerprints）；批量 Tanimoto/余弦相似度（nvmolkit.similarity，含 MemoryConstrained 变体）；ETKDG 构象嵌入（nvmolkit.embedMolecules）；MMFF94 与 UFF 优化（nvmolkit.mmffOptimization、nvmolkit.uffOptimization，及带约束的 nvmolkit.batchedForcefield）；成对构象 RMSD（nvmolkit.conformerRmsd）；TFD（nvmolkit.tfd）；Butina 聚类（nvmolkit.clustering 的 butina、fused_butina）；子结构搜索（nvmolkit.substructure）；最大公共子结构（nvmolkit.mcs）；硬件选项与自动调参（nvmolkit.types、nvmolkit.autotune，后者需 optuna）。
结果模型：AsyncGpuResult 承载单个扁平张量（指纹、相似度矩阵、RMSD/TFD 向量），异步执行，result.torch() 零拷贝返回 GPU 张量，读取前需同步，result.numpy() 同步并返回 CPU 数组；支持 cuda_array_interface 可直接串联。部分 API 接受 stream 参数以在非默认流上执行。Device3DResult 用于 CoordinateOutput.DEVICE 模式，含 values、atom_starts、mol_indices、conf_indices 及能量/收敛缓冲。MCSBatchResult 为 CPU NumPy，结果按 pair 位置平坦存放。
用法与限制：需要计算能力 7.0（V100）以上的 NVIDIA GPU、兼容 CUDA 12.6+ 的驱动、支持 CUDA 的 torch。安装时先选好驱动支持的 PyTorch CUDA 后端，再装 nvMolKit，可用 uv pip install --torch-backend=cu128 nvmolkit。无 CPU 回退，单分子或无法批量化的操作用原生 RDKit。ETKDG 不支持自定义边界矩阵、自定义 CPCI、坐标映射、分片嵌入；子结构搜索不支持手性匹配、增强立体化学等高级参数。写代码前先运行安装冒烟测试，失败时查安装指南而非猜测。其他高级配置细节暂未在资料中完整提供。