Anthropic 用 Claude 优化 30 多个开源生物分子模型
模型AI 评分 85/100Anthropic：Research（发表成果 · 网页）待复核
AI 聚合
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
本条选题由第三方线索发现；线索方提供的摘要未被采用，本页内容依据下方信源整理。线索来源：AIHOT
Anthropic 利用内部通用研究模型优化了 30 多个用于生物任务的开源深度学习模型。这些模型在结构预测、蛋白质设计及基因组学等任务中平均提速约 4 倍，且在保持输出完全一致时提速近 2 倍。优化后的模型内存利用率提升，支持在单个 NVIDIA GPU 节点上预测超过 1 万个 token 的生物分子系统。所有优化代码已开源。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载模型优化成果
Anthropic 使用其内部通用研究模型对 30 多个开源深度学习模型进行了优化。这些模型涵盖了结构预测、蛋白质设计、基因组学以及蛋白质语言模型等多种生物任务。优化结果显示，这些任务在牺牲极少精度的情况下平均速度提升了约 4 倍；而在要求输出完全一致的场景下，速度也提升了近 2 倍。这一进展意味着科学家在进行生物分子预测和设计时，能够获得更高的计算效率。
内存与算力突破
除了速度提升，Claude 还改善了模型的内存利用率。这使得在单个 NVIDIA GPU 节点上准确预测超过 1 万个 token 的生物分子系统成为可能。这些 token 可以代表氨基酸、核苷酸以及来自小分子和离子的原子。此前，类似的复杂生物系统预测往往需要更多的计算资源，而此次优化降低了硬件门槛，使得更多研究人员能够处理大规模的生物分子数据。
开源与竞赛支持
为了推动相关领域的进一步发展，Anthropic 决定开源所有优化后的代码。此外，公司还宣布与 Adaptyv Bio 共同赞助一项蛋白质设计竞赛。该竞赛提供了价值高达 100 万美元的 Claude 积分作为支持，并将对超过 5000 个设计进行湿实验室验证。这一举措旨在鼓励更多研究者利用优化后的工具进行创新，加速药物发现和生物工程领域的探索。
为什么值得看
AI 自主优化科学计算模型，大幅降低生物计算门槛。
AnthropicClaudeGPU
信源1 家
关键事实
相关 · 模型
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。