Claude开始优化生物模型：从结构到蛋白设计全面降低计算门槛

编辑丨&

9 月 17 日，Anthropic 公布了一项新的生物计算工作。过去人们更容易想到让 AI 生成蛋白质、预测结构或者寻找药物，而这一次，Claude 所做的事情更靠近科研基础设施：直接优化科学家正在使用的生物分子模型。

Anthropic 表示，Claude 在不到 4 周内优化了 30 多个开源生物模型，覆盖蛋白质结构预测、蛋白质设计、基因组学和蛋白质语言模型等任务。优化后的模型平均可以提速约 4 倍，在保持完全相同输出的情况下也能达到约 1.6 倍的加速，同时还降低了内存消耗。

除开蛋白质设计，这样的模型也被分子生物学家广泛使用，包括药物发现与开发。这类优化虽看上去不如直接发现一种新药来的更直观，但却决定了许多生物计算研究到底能不能跑得动。

优化结构模型推理

现代结构预测模型，例如 AlphaFold 3、OpenFold 3 和 Boltz-2，都需要处理分子中不同原子、氨基酸和核苷酸之间的几何关系。其中 Pairformer 架构里的 triangle attention 和 triangle multiplication 是计算量非常大的两个环节。

原因在于，这些操作涉及三个 token 之间的关系。输入规模翻倍时，计算和内存需求大约会变成原来的 8 倍；规模扩大到 3 倍，则会上升到 27 倍。对于大型蛋白质复合物来说，这种增长很快就会成为实际运行的障碍。

Anthropic 让 Claude 编写了一套专门的 GPU kernel，命名为 FlashPairformer，用来加速这两个环节。测试显示，相比目前的领域标准实现，triangle attention 平均可以获得约 2.7 至 2.9 倍加速，triangle multiplication 则可以达到约 1.7 至 3.2 倍，具体取决于模型配置。

      ^{图 1：Claude 的优化加速了十多个生物分子结构预测模型。}

在此基础上，Claude 又进一步针对不同模型做了更具体的修改，比如缓存重复计算的结果，或者把实际上不会发生变化的计算分支直接简化掉。

最终，这些优化组合起来，让一批结构预测模型平均提速约 4 倍，而且研究团队确认，在下游结构预测任务中，这些加速版本并没有影响模型表现。

生物系统分子建模

除开加快蛋白质结构预测与设计模型速度外，Claude 又把这些经过优化的生物模型用于蛋白质设计。

Claude 为此创建了一个低内存的「大」模式，能够精确建模超过 10,000 个 token 的系统，并且仅使用一个 NVIDIA GPU 节点成功推断超过 70,000 个 token 的系统。

据团队所知，此实验内成功折叠的结构是有史以来通过结构预测模型精确折叠的最大结构之一，即使是 AlphaFold3，对 40S 核糖体准确预测的数量也只有 7,663 个。

^{图 2：Claude 创建的低内存模式使模型能够准确预测单个节点上大数量的生物分子系统。}

而为了得到 Claude 的极限数据，团队要求它预测比以往任何结构都要大的结构。利用单个 8GPU 的 B300 节点，Claude 生成了整个病毒衣壳和蛋白质区间的预测，范围从超过 31,000 到 70,000 个 token 不等。虽然预测并非完全准确，但只需要一个 NVIDIA B300 就能显著降低门槛。

      ^{图 3：新模式允许开源结构预测模型以前所未有的规模成功运行推理。}

蛋白质结合剂设计

早期蛋白质设计中，Anthropic 会给 Claude 一个约 1.6 万字的提示词，让它调用智能体，并为每个靶点投入最高 1 万美元的 Modal 算力，相当于约 2,500 个 NVIDIA H100 GPU 小时。

这一次条件被大幅压缩：单个 Claude 模型只获得一块 NVIDIA H200 GPU、24 小时运行时间和约 1,100 字的提示词，不使用辅助智能体，也没有人在过程中手动引导设计。研究团队让三个 Claude 模型针对 16 个靶点开展设计，并使用 ipSAE 这一计算指标评估其潜在结合能力。

      ^{图 4：Claude 设计全新蛋白质结合剂。}

在 16 个靶点上，新的设计在计算层面的表现与此前大规模 Claude 蛋白设计任务相当，但使用的 GPU 时间减少了约两个数量级。如果把 GPU 与模型 token 成本一起计算，Anthropic 估算大约 150 美元的花费，就可以达到此前那轮工作的相近计算性能。

把优化交予社区

这项工作的最后一步，是把优化后的代码直接开放出来。

Anthropic 表示，这些生物模型本来就已经被分子生物学研究人员用于药物发现和开发，因此他们决定公开全部优化代码和相关技术报告，让其他研究团队也可以直接使用这些改进。

与此同时，Anthropic 还与 Adaptyv Bio 共同发起蛋白质设计竞赛，通过生命科学验证项目，为生命科学家提供前沿 AI 能力，用于生物学相关工作。

Claude 此次参与生物科研的方式并不局限于生成一个结果，Anthropic 团队选择将优化后的工具交给研究者，寻找更多的可能。

^{原文链接：https://www.anthropic.com/research/claude-uplifts-biomolecular-modeling}