Claude, 생체분자 모델 30여 개를 평균 4배 가속

단백질 구조 예측과 설계 등에 쓰이는 오픈소스 모델 30개 이상을 Claude로 최적화함. 4주 미만의 작업으로 수치 정밀도를 소폭 낮추면 평균 약 4배, 동일한 출력을 유지하면 약 2배 빨라짐 계산량이 큰 부분을 처리하는 맞춤형 GPU 커널 FlashPairformer를 만들고, 같은 계산을 반복하지 않도록 중간 결과를 재사용해 실행 시간과 메모리 사용량을 줄임 메모리를 적게 쓰는 Big 모드에서는 여러 GPU로 구성된 노드 하나로 더 큰 분자 복합체를 모델링할 수 있음. 1만 토큰이 넘는 시스템도 정확하게 예측했지만, 7만 토큰을 넘긴 실험에서는 정확도를 확보하지 못함 모델 가속과 설계 절차 단순화를 결합해 단백질 바인더 설계의 GPU 사용 시간을 약 100분의 1로 줄이면서 비슷한 평가 점수를 얻음. 실제 결합 성능을 확인한 실험실 결과가 아니라 컴퓨터상 평가임 최적화 코드를 모두 오픈소스로 공개했으며, 후속 단백질 설계 대회에서는 제출된 설계 5,000개 이상을 실제 실험으로 검증할 예정 고비용 단백질 설계에서 추론 최적화로 신규 설계 단백질 바인더(de novo binder) 는 특정 표적 분자에 강하게 결합해 이를 활성화하거나 차단하거나 물질을 전달하도록 컴퓨터로 설계한 작은 단백질임 이전 연구에서 Claude는 오픈소스 단백질 설계 및 구조 예측 모델을 전문가 수준으로 조율해 바인더를 설계함 다만 표적당 Modal 지출 한도가 1만 달러로, NVIDIA H100 GPU 약 2,500시간에 해당해 대다수 단백질 설계자가 감당하기 어려운 자원을 사용함 초기 최적화에서는 Claude Mythos 5.1이 오픈소스 생물학 모델 7개를 최대 2.5배 가속함 이번에는 Claude Science 안에서 작동하는 내부 범용 연구 모델이 구조 예측, 단백질 설계, 단백질 언어 모델링, 유전체학에 걸친 모델 30개 이상을 최적화함 수치 정밀도를 최소한으로 희생하면 평균 약 4배, 동일한 출력을 유지하면 약 2배 빨라짐 최적화 대상 모델은 단백질 설계뿐 아니라 신약 발굴 및 개발을 비롯한 분자생물학 연구에도 널리 쓰임 생체분자 모델링 경험은 있지만 추론 최적화나 커널 엔지니어링 경험은 없는 Anthropic 기술 직원 2명이 감독했으며, 작업은 4주 미만에 완료됨 통상 숙련된 엔지니어 팀도 모델 하나를 최적화하는 데 수주가 걸리고, 작업 결과가 다른 모델에 그대로 적용되지 않는 경우가 많음 이번 결과는 최첨단 AI가 ...