Cuatro semanas, treinta y tantos modelos
Anthropic publicó el jueves un trabajo en el que Claude, dentro del entorno Claude Science de la empresa, reescribió más de 30 modelos abiertos de aprendizaje profundo usados en biología para que funcionen más rápido. La compañía afirma que la aceleración media en los modelos de predicción de estructuras y de diseño fue de unas cuatro veces, y que dos empleados sin experiencia previa en optimización de inferencia supervisaron el trabajo durante algo menos de cuatro semanas.
El resultado son 36 paquetes optimizados repartidos en seis familias: 14 de plegamiento conjunto y predicción de estructuras, siete de genómica, seis de generación de estructuras y tres de cada una de plegado inverso, alucinación y modelos de lenguaje de proteínas.
Qué se aceleró y cuánto
Anthropic describe tres modos. Un modo exacto, que produce resultados idénticos, va unas 1,6 veces más rápido. Un modo rápido, en 13 modelos, unas 4,1 veces. Un modo de baja memoria, unas 3,4 veces. Debajo hay un conjunto propio de núcleos de GPU que la empresa llama FlashPairformer y que, según dice, supera a las implementaciones cuEquivariance de la propia Nvidia: entre 2,7 y 2,9 veces más rápido en atención triangular y entre 1,7 y 3,2 en multiplicación triangular.
Todas esas cifras son mediciones propias de Anthropic, hechas con GPU H100 de Nvidia. Ningún grupo externo las ha reproducido.
Moléculas más grandes en un solo nodo
El cambio práctico es la memoria. El modo de baja memoria permite que un único nodo de GPU de Nvidia prediga sistemas biomoleculares de más de 10.000 tokens —aminoácidos, nucleótidos y los átomos de moléculas pequeñas e iones—, y Anthropic dice haber ejecutado inferencia en sistemas por encima de 70.000. Afirma haber plegado el complejo I mitocondrial humano, el complejo chaperona TRiC, proteasomas y ribosomas bacterianos.
También describe una campaña de diseño de proteínas que alcanzó puntuaciones de unión comparables a trabajos anteriores usando unos dos órdenes de magnitud menos de horas de GPU, con un coste combinado de unos 150 dólares. Anthropic dice con claridad que esos diseños nunca se probaron en un laboratorio y que las puntuaciones son computacionales.
Lo que no funcionó
El informe también recoge los fallos. Las predicciones de grandes cápsides virales se colapsaron en una bola compacta con puntuaciones de precisión muy bajas, señaló Unite.AI. El repositorio se publica como una versión de referencia que la empresa dice que no mantendrá.
Un concurso para zanjarlo en el laboratorio
Anthropic ha liberado el código optimizado y organiza con Adaptyv Bio un concurso de diseño de proteínas sobre cinco problemas en el límite de lo posible hoy, entre ellos la reactividad cruzada entre especies, la sensibilidad al pH, la especificidad péptido-MHC y dianas de receptores acoplados a proteínas G. La bolsa llega a un millón de dólares en créditos de Claude y 250.000 en créditos de cómputo de Modal, con síntesis de ADN de Twist Bioscience y validación en laboratorio para más de 5.000 diseños. Unite.AI informa de topes por equipo de 50.000 dólares para los académicos y 25.000 para la industria.
Qué vigilar
Las solicitudes se cierran el 24 de septiembre y los resultados llegan el 15 de diciembre. Esa segunda fecha es la que importa. Hasta que los diseños vuelvan de una mesa de laboratorio, toda la afirmación descansa en puntuaciones que un ordenador se dio a sí mismo.
