Claude、バイオ分子モデリングを向上させるも、速度は科学的検証ではない
Claudeは、バイオ分子モデリングに異例の成果をもたらした。Anthropicによると、汎用モデル1つが4週間以内に30を超える専門生物学モデルを最適化したという。この変更により、平均で約4倍の高速化を実現し、負荷の高い複数の研究ワークフローで必要なハードウェアも削減されたと報告されている。
2026年9月17日に公開されたバイオ分子モデリングに関するレポートは、AIが生成する科学的回答から、その基盤となるインフラへと注目を移している。ClaudeはAlphaFold級のシステムやその他の専門モデルを置き換えたのではない。研究者がそれらをより高速に実行し、場合によってははるかに大きな分子系をモデル化できるよう、ソフトウェアの一部を書き換えた。
この区別が中心的な緊張関係を生む。推論の高速化は、タンパク質設計、構造予測、ゲノミクス、タンパク質言語モデルへのアクセスを広げうる。しかし、計算が速くなったからといって、予測された分子が細胞内、動物内、あるいは患者内で機能することは証明されない。
Anthropicの最も強い証拠は、ソフトウェア性能と計算上の予測に関するものだ。生物学的な検証は、物理的な合成、実験室での測定、再現可能な実験を伴う別のプロセスである。同社が新たに発表したタンパク質設計コンペティションは、この2段階を結びつけることを目的としている。
この成果は、従来の研究モデルに圧力をかける。科学チームはしばしば、各コードベースを個別に最適化するため、専門のパフォーマンスエンジニアに依存してきた。Claudeの取り組みは、汎用AIシステムが複数のアーキテクチャにまたがって、そのエンジニアリング層をより多く自動化できる可能性を示している。
より大きな問いは、AIモデルが生物学を説明できるかどうかではなくなった。汎用エージェントが、出力の品質を弱めたり限界を見えにくくしたりすることなく、専門的な科学ツールの運用コストを下げられるかどうかである。
Claude、36のオープンモデルでバイオ分子モデリングを向上
直近の変化は、新たな生物学的基盤モデルではなく、幅広いソフトウェアの公開である。
Anthropicは、構造予測、共折りたたみ、バインダー設計、配列設計、ゲノミクス、タンパク質言語モデリング向けのオープンツールを対象に、36の最適化キットを公開した。各キットは既存の上流プロジェクトの固定バージョンをラップし、定義されたパフォーマンスモードを有効化する。
付随する最適化リポジトリでは、主に4つのモードが説明されている。「Off」は元の構成を維持し、「exact」は同一の出力をより高速に生成することを目指す。「Fast」は文書化された数値的差異を許容し、「big」は通常であれば収まらない入力に対してGPUメモリのピーク使用量を最小化する。
この構造が重要なのは、この発表が異なる科学的タスク向けに構築されたモデルにまたがるためだ。単一ベンチマークで慎重に調整されたデモではない。Anthropicによれば、Claudeは2人の技術スタッフの監督下で30を超えるモデルに取り組んだ。
監督者らはバイオ分子モデリングの経験を持っていたが、推論最適化やGPUカーネルエンジニアリングの専門家ではなかった。Anthropicによると、この作業は4週間未満で完了した。
報告された性能は、研究者が選択するモードに左右される。Anthropicによると、小さな精度変更を許容した場合、最適化されたモデルは平均で約4倍高速に実行された。同一出力を求める実行では改善幅は小さく、示された構造モデル全体で約1.6倍と報告されている。
この違いは見過ごされるべきではない。同一出力を維持する速度改善は、数値的な差異を受け入れる場合よりも明確なエンジニアリング上の成果を示す。高速モードでは、統合ベンチマーク結果が似通っていても、小さな数値変化が個々の予測に影響しうるため、下流でのテストが必要となる。
Anthropicによると、構造予測の高速モードは、バイオ分子インターフェースの統合セットにおいて、デフォルト設定と統計的に区別できなかった。同社はDockQスコアが0.23を上回ることを、許容可能な予測インターフェースとして定義した。DockQは、予測された分子インターフェースが参照構造とどれほど一致しているかを評価する指標である。
この公開には、共通のGPUカーネルを超えるタスク固有の変更も含まれる。Claudeは、モデルが繰り返し計算していた作業をキャッシュし、不要な計算分岐を定数出力へ置き換えたとされる。これらはよく知られた最適化手法だが、多数の未知のリポジトリを横断して安全な機会を見つけるのは困難で時間を要する。
したがって、この公開の広がりは、単一の高速化指標以上に注目に値する。Claudeによるタンパク質設計の取り組みは専門ツールの連鎖に依存しており、その連鎖を改善することで既存モデルの価値を増幅できる。
ただし、このリポジトリには重要な運用上の警告がある。Anthropicはこれを参照リリースと位置づけ、継続的な保守を予定しておらず、プルリクエストも受け付けないとしている。研究者は、互換性、セキュリティ、ハードウェア対応、上流の変更を自ら評価しなければならない。
これらのキットは、固定されたソフトウェア環境と定義済みのNVIDIA GPU構成にも依存している。これはテスト済みセットアップの再現性を高める一方、可搬性に関する主張を制限する。他のアクセラレータ、ドライバー、モデル改訂版、クラスター構成での性能は、依然として未解決のエンジニアリング上の問題である。
実験室チームにとって、導入にはコードをダウンロードするだけでは不十分だ。確立済みパイプラインとの管理された比較、構成変更の記録、自身の標的クラスでの検証が必要となる。検索可能なエンジニアリング知識ベースは、実験やソフトウェア改訂をまたいで、こうした判断をチームが保持する助けになりうる。
このため、この発表は万能な代替ではなくインフラの取り組みを意味する。Claudeは、既存の生物学システムの学習済み表現、重み、ベンチマーク、科学的仮定に依存しながら、それらを高速化した。
真の仕組みはGPU実行の改善にある
Claudeの最も重要な貢献は、既存モデルによるGPUの使用方法を変えるソフトウェアである。
現代のバイオ分子構造モデルは、しばしばアミノ酸、ヌクレオチド、原子、その他の分子成分の関係を表現する。そのアーキテクチャは、モデルが三次元幾何を推論できるよう、ペアごとの関係を繰り返し更新する。
高コストな処理として、triangle attentionとtriangle multiplicationがある。これらは表現された成分の三つ組を処理し、予測された関係が幾何学的に整合した構造を形成するかどうかをモデルが推論する助けとなる。
こうした処理は、分子系が大きくなるほどスケーリングが悪化する。Anthropicは、系のサイズを2倍にすると、三次演算では実行時間とメモリが8倍必要になる可能性があると説明する。3倍にすると、その要件は27倍に増加しうる。
このスケーリング問題は、一見すると控えめな分子規模の拡大でも、利用可能なGPUメモリを超えうる理由を説明する。また、基礎となるモデルの重みが変わらなくても、最適化が重要である理由も示している。
Anthropicによると、Claudeは、これらのペアベースの処理向けカスタムGPUカーネル群であるFlashPairformerの作成を支援した。カーネルは、アクセラレータハードウェア上で特定の計算を効率的に実行するよう設計された低レベルプログラムである。
同社によると、FlashPairformerはtriangle attentionで、比較対象となった業界標準を平均2.7倍から2.9倍上回った。triangle multiplicationの報告された改善幅は、構成に応じて1.7倍から3.2倍だった。
これらの結果により、Claudeはすでに専門的なエンジニアリングの取り組みが存在する分野に加わることになる。NVIDIAのcuEquivarianceとBioNeMo Inference Runtimeも、科学的機械学習で使われる高コストな計算を対象としている。
したがって、対抗するのは別の会話型モデルではない。各科学コードベースには、希少なパフォーマンス専門家による長期的かつモデル固有の最適化が必要だという、従来の前提である。
Claudeによる生物学モデルは、その専門知識を不要にするわけではない。Anthropicのプロセスには依然として、人間による監督、管理されたベンチマーク、固定された環境、下流での確認が含まれていた。変化したのは、AIエージェントが多数のリポジトリにまたがり、探索と実装作業の多くを担った点である。
このパターンは、未知のコードベースを扱うソフトウェアエンジニアリングエージェントに似ている。ボトルネックをプロファイリングし、テンソル形状を調べ、カーネルを書き、数値的挙動をテストし、出力をベースラインと比較する。
生物学では、そのリスクはさらに大きい。ウェブアプリケーションであれば、視覚的な回帰はすぐに明らかになる。科学モデルは、ランキング、信頼度、構造品質に影響する微妙な数値変化を生じさせながらも、動作し続ける可能性がある。
Anthropicは、exactモードとfastモードを分けることで、そのリスクの一部に対処した。exactモードは同一出力を目標とし、fastモードはより高い速度のために限定された数値差異を許容する。これにより、性能上のトレードオフが、挙動を密かに変更するのではなく可視化される。
ただし、「同一」は定義されたソフトウェアおよびハードウェア条件の範囲内でのみ適用される。GPU処理は、アーキテクチャ、ライブラリ、精度フォーマット、コンパイラのバージョンによって異なる挙動を示しうる。したがって、再現性に関する主張はテスト環境に結び付けられなければならない。
オープンキットにより、独立したチームはこうした選択を検証できる。研究者は変更点を確認し、標準モードと最適化モードを比較し、自身のデータセットに対してタスクレベルの評価を実行できる。
オープンコードは独立検証と同義ではないが、コミュニティに実践的な出発点を与える。最適化手法を検証も再現もできないクローズドなデモより、これは価値が高い。
Claudeがバイオ分子モデリングを最も説得力をもって向上させるのは、その取り組みが限定的かつ測定可能な領域である。カーネルの実行時間、ピークメモリ、出力の同一性、下流ベンチマークのスコアはいずれもテスト可能だ。
汎用AIが科学ソフトウェアを日常的に最適化できるという、より広範な主張には、研究室やハードウェアをまたぐさらなる証拠が必要である。この公開は、その証拠が生まれる条件を整えている。
メモリ削減がより大規模な分子系を開く
速度はリソースを節約するが、メモリ効率は研究者がモデル化を試みられる生物学的システムそのものを変える。
Anthropicの「big」モードは、通常の推論構成のメモリ容量を超える分子アセンブリを対象とする。同社によると、NVIDIA GPUノード1台で、10,000トークンを超える系を正確にモデル化したという。
この文脈でトークンは、単語ではなく、アミノ酸、ヌクレオチド、低分子原子、イオンを表す。トークン数が多いほど、一般により大規模または複雑なバイオ分子アセンブリを表す。
Anthropicは、ヒトのミトコンドリア複合体I、TRiCシャペロニン複合体、プロテアソーム、細菌リボソームについて、予測に成功したと報告している。これらの分子機械は、多数の相互作用する成分から成り、その配置が生物学的機能に影響する。
同社によると、予測構造は実験的に決定された参照構造とよく一致した。複合体Iと70Sリボソームはいずれも10,000トークンを超えるとしている。
比較として、公表済みのAlphaFold 3研究には、7,663トークンの40Sリボソームを正確に予測した結果が含まれていた。Anthropicはこの先行する成果を、直接的な競争ベンチマークではなく、有用な規模の参照として提示している。
この比較には依然として慎重な解釈が必要だ。トークン数だけでは、モデリングの難しさを生むすべての要因を捉えられない。分子組成、柔軟性、相互作用の種類、利用可能なテンプレート、学習データのカバレッジはいずれも予測品質に影響しうる。
Anthropicはシステムをさらに大きく前進させた。8基のGPUを搭載したB300ノード1台で、最適化スタックは31,000トークンを超え、70,000トークン以上に達するシステムの推論を完了した。
推論を完了できたことは、正しい構造を生成できたことと同義ではない。Anthropicは、こうした極端な予測は崩壊し、予想される生物学的構造と一致しなかったと明確に報告している。
この否定的な結果は、この発表で最も有用な詳細の一つだ。ソフトウェアはモデルの学習コンテキストをほぼ2桁上回る入力を処理できたが、学習済みモデルは信頼性高く一般化できなかった。
したがって、メモリ容量と生物学的能力は別々の上限である。Claudeは前者の上限を下げたが、後者を取り除いたわけではない。
この区別は、よくある報道上の誤りを防ぐ。より大きな入力を受け付けるモデルが、その入力を正確に予測するために必要な関係性を必ずしも学習しているとは限らない。エンジニアリング上の到達範囲は、科学的妥当性より速く拡大しうる。
それでも、成功した範囲には実用的な意義がある。多くの研究グループには、接続された複数GPUノードや、モデル内部を書き換えられるチームへのアクセスがない。大規模な複合体を単一ノードで実行できれば、スケジューリングを簡素化し、通信オーバーヘッドを減らし、実験の幅を広げられる。
研究者はこの能力を使い、呼吸鎖複合体、リボソーム、プロテアソーム、あるいは多数の構成要素の相互作用から機能が生まれる他の集合体を調べられるかもしれない。代替的なコンフォメーションや分子組成にまたがって仮説を比較することもできる。
ただし、予測構造はあくまで仮説生成器であるべきだ。信頼度指標、既知構造、実験的制約、実験室での証拠が、その結果に追加投資する価値があるかを判断しなければならない。
Claudeによるタンパク質設計も同じ境界に直面する。最適化されたモデルは、より多くの候補を順位付けしたり、より広い探索空間を調べたりできる。しかし、計算だけで結合、安定性、毒性、製造可能性、治療上の価値を確立することはできない。
これがこの物語の主な反転点だ。Anthropicの成果は、Claudeがより大規模な生物学を解決したことではない。より大規模な計算上の試行を可能にし、その試行がどこで機能しなくなったかを記録したことにある。
その境界こそが、結果の信頼性を高めている。Anthropicは70,000トークンの出力を正確な構造として説明しなかった。失敗を報告し、それを学習コンテキストを超えた一般化の問題と結び付けた。
次の段階は、成功閾値に近い多様な複合体に対する独立検証だ。研究者は、この改善が異なる分子クラス、ハードウェア環境、評価プロトコルにわたって維持されるかを明らかにする必要がある。
より低コストのClaudeタンパク質設計にもウェットラボでの証明が必要
商業的に最も重要な主張は効率に関するものであり、最も重要な不確実性は実験的成功に関するものだ。
Anthropicは以前、各タンパク質ターゲットに対し、Claudeに長いプロンプト、サブエージェントへのアクセス、大規模なGPU割り当てを与えていた。このシステムは、選定されたターゲットに結合するよう設計された人工タンパク質であるde novoバインダーを設計するため、専門ツールをオーケストレーションした。
新たな実験では、より単純な構成を採用した。単一のClaudeモデルに、NVIDIA H200 1基、実時間24時間、より短いプロンプト、インストール済みツールの参照シートを与えた。Anthropicによれば、それらの実行中に人間が設計を誘導することはなかった。
同社は16のターゲットにわたり、Mythos 5.1、Mythos 5、Opus 5を試験した。設計の評価には、予測されたバインダー・ターゲット界面の品質を推定することを目的としたin silicoスコア、ipSAEを用いた。
Anthropicによると、中央値および最高スコアの設計は、以前のキャンペーンとほぼ同等のipSAE値を達成した。新しいワークフローで使用したGPU時間は、報告によれば約2桁少なかった。
これは計算スコアに基づく効率の結果である。新たに生成されたバインダーが、意図したターゲットに物理的に結合することを示すものではない。
ipSAE metricに関する研究は、このスコアが予測相互作用の評価に役立つ可能性を示している。しかし、どの計算スコアも、多様なターゲットクラスにわたる物理的試験の代わりにはならない。
したがって、「同等の性能」という表現には完全な限定が必要だ。すなわち、同等なのはin silicoでの性能である。この限定を外せば、Anthropicが測定した内容を過大評価することになる。
これは重要だ。タンパク質設計パイプラインには複数のフィルターが存在する。候補はまず計算上もっともらしく見えなければならない。その後、合成、発現、精製、結合測定、安定性試験、機能評価が必要になる場合がある。
各段階で、初期段階では有望に見えた設計が脱落しうる。一部のタンパク質は正しくフォールディングせず、凝集し、発現性が低く、あるいは結合が弱い。結合しても、意図した生物学的効果を生まないものもある。
Anthropicの以前のタンパク質研究には外部による実験検証が含まれており、同社のより広範な設計アプローチを論じるための強い根拠となっていた。新しい効率実験は、今後のコンペティションが追加の実験データを生み出す前に、計算上の比較を報告している。
そのため、同社が物理的検証を後援する選択は中心的な意味を持つ。AnthropicとAdaptyv Bioは、5つの課題にわたり、コミュニティから提出された5,000件超の設計を試験する予定だ。
protein design competitionには、種間交差反応性、pH感受性、ペプチドMHC特異性、Gタンパク質共役受容体のような難易度の高いターゲットが含まれる。これらの課題は、単純な構造的もっともらしさでは十分に捉えられない特性を試すものだ。
大規模な検証セットにより、より高速なモデリングが実験上のヒット率を改善するのか、それとも候補数を増やすだけなのかを明らかにできる。また、どのターゲットクラスが最適化ワークフローから最も恩恵を受けるかも示せる。
コンテストはClaudeクレジット、計算支援、DNA提供、ウェットラボ試験を提供する。こうしたリソースは参加障壁を下げるが、Anthropicのモデルとパートナーを中心とするエコシステムも生み出す。
独立した分析では、設計の選定方法、否定的な結果の報告方法、完全な結果データが利用可能になるかを検討すべきだ。公開された失敗は、成功したバインダーと同じくらい有益になりうる。
研究者は、最適化が生成候補の多様性を変えるかも評価すべきだ。スコアリングや生成の段階が似た構造を優遇する場合、高速なパイプラインは設計空間の狭い領域を繰り返し探索する可能性がある。
セキュリティとアクセスも全体像の一部だ。タンパク質設計はデュアルユースであり、同じ技術が医療にも有害な生物学的活動にも利用されうる。Anthropicは、高度な生物学へのアクセスを無制限の提供ではなく、検証コントロールと結び付けている。
この方針は第二のトレードオフを生む。科学へのアクセスを広げれば研究参加を改善できる一方、コントロールを弱めれば悪用リスクを高めうる。オープンな最適化キットは、Claude自身のアクセス制御の外側に存在しうる専門ツールを加速させる。
Claudeはソフトウェア層で生体分子モデリングを向上させるが、ガバナンスを会話型モデルに限定したままにはできない。研究室は、ツールアクセス、実験レビュー、データ処理、複合ワークフローを通じて露出する能力を評価しなければならない。
利得が持続するかを示す3つのシグナル
次の証拠は、別の社内ベンチマークではなく、独立した再現、コンペティションの結果、継続的な採用から得られるべきだ。
第1のシグナルは、外部の研究グループが報告された速度とメモリの改善を再現できるかどうかだ。リポジトリは多くのツールを対象としているが、Anthropicの測定は管理されたスタックと選定されたGPU構成に基づく。
独立チームは、ハードウェア、ドライバーバージョン、モデルコミット、入力サイズ、精度設定、下流の正確性を報告すべきだ。H100、H200、Bシリーズ、旧世代アクセラレータにわたる結果により、最適化がどこまで広く移植できるかが明確になる。
再現は、汎用AIが未知のシステムにまたがって科学ソフトウェアを加速できるという主張を強化する。大きなばらつきや困難なインストールは、結果をAnthropicが試験した環境へと限定することになる。
第2のシグナルは、コンペティションのウェットラボでの成果だ。計画されている5,000件超の検証は、計算上のランキングと物理的測定を結び付ける大規模なデータセットになりうる。
重要な指標は、提出設計の数ではない。どれだけが発現に成功し、意図したターゲットに結合し、求められた特性を満たし、意味のあるベースラインを上回るかである。
結果は課題別、設計手法別にも分けるべきだ。あるターゲットクラスで強い性能を示しても、GPCR、ペプチドMHC相互作用、pH感受性バインダー、交差反応性設計にわたる幅広い成功を証明することにはならない。
否定的な結果も公開が必要だ。それがなければ、読者はヒット率を推定できず、計算スコアが既存ワークフローより有用な候補を選定したかを判断できない。
明確なウェットラボでの改善は、より安価な推論が生産的なタンパク質設計を拡大するというAnthropicの主張を裏付けるだろう。対応関係が弱ければ、生物学的選定の問題を解決せずに計算だけが高速化したことを示す。
第3のシグナルは、オープンな最適化キットが初回公開後も継続的に利用されるかどうかだ。Anthropicは、リポジトリを保守せず、プルリクエストも受け付けないとしている。
これは即座に耐久性の問題を生む。科学パッケージは変化し、依存関係は移動し、GPUアーキテクチャは進化し、上流モデルには新リリースが登場する。固定された参照キットは、アイデア自体に価値が残っていても使いにくくなりうる。
そのため、採用は上流プロジェクトが改善を統合するかに左右される可能性がある。コミュニティのフォークが、個別カーネルや互換性レイヤーを保守することもありうる。
OpenFoldクラスのプロジェクト、設計システム、共有推論ランタイムへの統合は、長期的なエンジニアリング価値を示す。一方、依存関係の変更後に動作しなくなるリポジトリは、公開時のベンチマークにかかわらず実用的影響が小さい。
これらのシグナルは、生物学を超えて重要だ。汎用AIエージェントは、科学機器を操作し、データを分析し、研究ソフトウェアを改善できる協力者として、ますます提示されている。
性能最適化は、特に検証しやすい事例を提供する。実行時間、メモリ、数値的同等性、下流の正確性、インストールの成功、保守負担はいずれも測定できる。
現時点の証拠が支持するのは、限定的な結論である。Anthropicは、オープンな生体分子モデル全体で幅広い効率改善を示す、検証可能なコードと詳細な社内ベンチマークを公開した。
一方で、Claudeが独力でタンパク質設計を解決した、あるいは新たな治療法を検証したという主張は、まだ証拠により支持されていない。最大の成功した構造は既知の参照との比較に依存しており、極端な規模の予測は失敗した。
開発者にとって、このリリースはAI支援による性能エンジニアリングのケーススタディである。研究リーダーにとっては、どの計算上のボトルネックがなお希少な専門家を必要とするかを再評価する理由になる。
生命科学者にとっての機会は、既存モデルへのアクセス拡大であり、実験規律からの免除ではない。より高速な予測は、チームがより多くの問いを立てる助けになるが、それぞれの答えには依然として科学的な精査が必要だ。
Claudeは、確立済みのツールをより高速に動かし、より大きな問題に適合させることで、生体分子モデリングを向上させる。この向上が持続的な科学的進歩となるかは、今や再現性、実験室での成果、長期的な保守にかかっている。
研究チームは、自らの現行パイプラインに対する管理されたベンチマークから始めるべきだ。正確な構成を保存し、出力品質を比較し、設計キャンペーンを拡大する前に停止基準を定める必要がある。
最も重要な問いは、Claudeが「生物学をこなせるか」ではない。文書化されたClaude支援ワークフローが、物理的な検証にも耐えうる再現可能な結果を生み出せるかどうかである。
