四川
9月17日，Anthropic发布Claude Science项目的最新成果，聚焦Claude如何提升生物分子建模。
结果表明：Claude在不到四周的时间内，优化了30余个科学家日常使用的开源生物分子模型，覆盖结构预测、蛋白设计、蛋白语言模型和基因组学四个方向。
平均提速约4倍，精度损失极小，全部代码开源，降低科学家使用软件预测和设计分子的计算障碍。
改写30余个开源大模型
根据Anthropic发布的研究文章及配套技术报告，此次优化共产出36个软件包，对应30余个开源模型，分为六大类：
折叠与结构预测14个、幻觉设计3个、结构生成6个、逆折叠3个、基因组学7个、蛋白语言模型3个。
其中既有AlphaFold3、OpenFold3、Boltz-2、ESMFold2、Protenix、Chai-1这些结构预测与蛋白设计领域的主力模型，也有Borzoi等基因组学模型。
每个软件包保留原始模型权重，提供三种运行模式（Exact模式、Fast模式、Big模式）。三种模式对应了三种实际需求：论文复现、日常批量计算、超大体系建模。
官方图表给出了各模型的基准结果，展示了「平均4倍」的具体分布。以英伟达H100为基准，Exact、Fast、Big三种模式的平均提速分别为1.6倍、4.2倍和3.5倍。
Fast模式中最快的是Chai-1，达6.4倍，最慢的是AtlasFold，为2.8倍；最保守的Exact模式，最快也不超过2.5倍。
降本提速
一张显卡解决上万token任务
结构预测模型的计算花费，主要集中在三角注意力与三角乘法两项操作上。
NVIDIA此前推出的cuEquivariance和BioNeMo推理运行时（BioNeMo-IR）即针对这两项操作的专用内核，Anthropic这次指向同一瓶颈。
Anthropic自研的FlashPairformer内核，在三角注意力上平均较领域标准快2.7至2.9倍，三角乘法快1.7至3.2倍，视模型配置而定；序列越长优势越大，2048 token、pair width 128配置下快4倍。
在此基础上，Claude还为每个模型缓存重复计算的中间结果、化简无效分支，两类改进叠加后结构预测模型平均加速4倍，官方确认未影响下游任务表现。
结构预测模型看清楚大分子复合物的结果是最难的一步，这类体系规模可达上万token，费用超出多数实验室的承受范围。
Big 模式改变了这一现状。通过低内存架构优化，单GPU节点可对 1 万token以上体系完成高精度建模，7万token级别体系也支持推理运算。
目前已完成人源线粒体复合物I、TRiC伴侣蛋白复合物、蛋白酶体、细菌核糖体的结构预测，预测结果与实验解析结构高度一致。
作为参照，AlphaFold3此前解析的40S核糖体为 663 token，本次人源线粒体复合物I与70S核糖体均超过1万token。
据Anthropic介绍，这是当前结构预测模型实现精准折叠的最大规模生物结构。
100万美金悬赏
Anthropic的AI制药野心
早在今年4月，Anthropic以约4亿美元的股票对价，收购成立仅8个月、员工不足10人的AI制药初创Coefficient Bio。
6月30日，Anthropic发布面向科学家的AI工作台Claude Science，整合60余个科学数据库，同一场活动上宣布启动自主药物研发项目，成为头部大模型公司中少数公开宣布直接下场做药的平台公司之一。
8月，Anthropic放出第一个实验证据。Adaptyv Bio披露，Anthropic团队用Claude设计的1320个迷你蛋白结合剂在其自动化湿实验室完成测试：实现95%的设计成功表达。
而在此次提供AI4S工具箱的同时，Anthropic还启动了「全球最大AI蛋白质设计大赛」，Anthropic将和伙伴赞助超过100万美元的实验验证资金。
可以看到这家制药巨头，正在试图把AI制药这条线收拢成生态闭环。
—The End—
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
