7.0
深览指数
科技人人都是产品经理·有新Newin··AI 生成
Anthropic 优化 30 多个生物模型，蛋白质设计成本最高降 98%
Anthropic 公布 Claude 在不到四周内优化了 30 多个开源生物分子建模模型，覆盖蛋白结构预测、蛋白设计等领域。通过开发自定义 Kernel FlashPairformer 专攻底层算子，并结合逐模型代码优化，实现平均约 4 倍提速，且在极低精度损失下不损害预测性能。更关键的是，他们将此前单个靶点耗资上万美元的蛋白设计计算成本压缩至约 150 美元，大幅降低了该领域的算力门槛。适合关注 AI in Science、计算生物学及大模型行业落地的从业者阅读。原文 ↗
核心观点
- ▍Claude 不仅能调用生物计算工具，还能直接参与并优化这些专业模型的底层 kernel、推理代码和显存使用，从而显著降低了生物分子建模的计算成本。
- ▍Anthropic 将此前单靶点耗资约 1 万美元的蛋白设计流程压缩至约 150 美元，使大多数蛋白设计团队有能力长期采用。
- 01Claude 开发了名为 FlashPairformer 的自定义 kernel，针对性地加速了蛋白结构预测中计算量最重的 triangle attention 和 triangle multiplication 操作。
- 02FlashPairformer 相较于 NVIDIA cuEquivariance，在 triangle attention 上平均快 2.7-2.9 倍，在 triangle multiplication 上快 1.7-3.2 倍。
- 03在允许极小精度损失的情况下，30 多个生物分子结构预测模型平均提速约 4 倍；要求输出完全一致时，平均也能实现接近 2 倍的加速。
- 04Claude 开发了低显存“Big mode”，使超过 1 万 Token 的生物分子系统（如人类线粒体复合物 I）能在单节点 GPU 上准确预测，而之前需要多节点。
- 05在 16 个靶点的 de novo 蛋白设计测试中，使用优化后模型运行的 Claude，仅消耗约 150 美元（GPU + Token 成本），就能达到此前高算力实验相近的 in silico 表现。
- 06整个过程由两名有生物分子建模经验但无 kernel 优化经验的技术人员监督，Claude 在不到四周内完成了全部 30 多个模型的优化。
反方 / 局限
- — 文章承认，当输入规模超过 3.1 万 Token 时（如完整病毒衣壳），模型虽能完成计算，但预测结构会发生坍缩，并不正确。这表明“能跑通”不等于“能可靠预测”超大型系统。
- — 优化目标是修改已有模型的底层实现，而非重新训练或创造新模型，且工作重点在于推理速度和资源消耗，未涉及模型核心预测能力的提升。
AnthropicClaudeFlashPairformerAlphaFold3NVIDIA cuEquivarianceNVIDIA H100 GPUtriangle attentiontriangle multiplicationde novo protein binderDockQ
10 分钟 · 5 卡片 · 8 资料
读原文 →