实时病毒基因组检测，分类学分类和系统发育分析对于有效跟踪和控制病毒大流传学（例如COVID-19）至关重要。但是，空前且仍在增加的病毒基因组数据产生了计算瓶颈，从而有效防止了实时大流行跟踪。我们试图通过修改和应用视觉变压器（最近开发的用于图像识别的神经网络模型）来减轻这种瓶颈，以将病毒基因组（例如SARS-COV-2）的分类学分类和放置。我们的解决方案Covit将新获取的样品放在SARS-COV-2谱系的树上。 Covit返回的两个潜在位置之一是真实的位置，概率为99.0％。在Covit产生的五个潜在位置中找到正确位置的可能性为99.8％。在NVIDIAS GEFORCE RTX 2080 TI GPU上运行的每个基因组的放置时间为1.45ms。我们通过github：https：//github.com/zuherjahshan/covit向研究社区提供Covit。