NVIDIA、分子構造予測支援のBioNeMoツール公開

NVIDIAは、創薬やタンパク質設計に不可欠なバイオ分子構造予測と、複数のタンパク質が結合して立体構造を形成する「共同フォールディング（co-folding）」の一連のプロセスをAIエージェントから容易に呼び出して高速実行できる開発キット「BioNeMo Agent Toolkit」を発表しました。あわせて、相同性検索をGPUで177倍高速化する技術や、Blackwell（B300）GPUなどを用いて巨大な分子複合体を並列予測する最新の高速化技術も公開されました。

1. 相同性検索のボトルネックを解消する「GPU MSA」

従来の立体構造予測では、類似配列を検索して整列させる「多重配列アライメント（MSA）」のステップがCPU側の処理ボトルネックになっていました。NVIDIAは「MMseqs2-GPU」の導入によりこの処理をGPUへ移行し、従来のCPU処理（JackHMMER）と比較して最大177倍の高速化を達成しました。この機能は「MSA Search NIM（NVIDIAの最適化済みコンテナサービス）」として利用可能です。

2. 演算を最大3倍高速化する「cuEquivariance」

タンパク質折りたたみの計算で支配的なカーネル演算を高速化するため、NVIDIAは幾何学的学習プリミティブのCUDA-Xライブラリ「cuEquivariance」をオープンソースとして公開しました。最新のBlackwell（B300）GPUにおいて、標準的なPyTorchのオープンソース実装と比較して最大約3.1倍の推論高速化を実現します。これにより、単一GPUで処理できる最大配列長が約5,900トークン（OpenFold3 NIMでは約6,400トークン）へと大幅に拡張され、従来発生していたメモリ不足（OOM）を回避できるようになります。

3. 超巨大複合体を予測する「Fold-CP」並列処理

さらに大規模な分子構造予測に対応するため、NVIDIAはコンテキスト並列（Context Parallelism）技術を用いた「Fold-CP」を導入しました。これによりメモリ消費量をGPU台数に応じて効率的に分散させることができ、64基のB300 GPUを用いることで、単一GPUの限界値の約12倍にあたる「32,000トークン」規模の超巨大な分子複合体（細胞内のリボソームなどに相当）の予測が可能になります。

「BioNeMo Agent Toolkit」は、MSAのデータ取得から構造予測、複数GPUでの並列スケールアウトまでをAIエージェントのワークフロー上で一貫して管理できるようにします。これまで数日〜数週間かかっていた大規模な化合物スクリーニングや巨大複合体の構造解析が劇的に高速化されることで、創薬プロセス初期段階の効率が格段に向上し、新たな医薬品の開発期間短縮につながると見られます。

引用元：NVIDIA Technical Blog