Anthropic, Claude로 생체분자 모델 30여 개 속도를 평균 4배로 높였습니다

왜 지금 이 주제인가

Anthropic이 9월 17일 공개한 리서치 포스트는 Claude를 코딩 에이전트로 써서 생물학 연구에 쓰이는 오픈소스 소프트웨어를 대규모로 손본 사례입니다. 그동안 코딩 에이전트가 최적화한 코드는 대체로 소규모 스크립트나 벤치마크용 예제에 머물렀는데, 이번에는 구조 예측과 단백질 설계, 유전체학 등 여러 분야에 걸친 오픈소스 모델 30여 개를 한 달이 채 안 되는 기간에 다시 짰다는 점에서 규모가 다릅니다. 여기에 그치지 않고 실험 검증까지 이어지는 단백질 설계 대회를 함께 열어, 최적화한 코드가 실제로 쓸모 있는지를 현실의 실험실에서 확인받는 구조를 짰습니다. AI가 과학 연구용 소프트웨어 인프라 자체를 고치는 작업에 투입된 사례로서 눈여겨볼 만합니다.

핵심 내용

Anthropic은 내부의 범용 리서치 모델(Claude)을 약 4주간 투입해 생체분자 모델링에 쓰이는 오픈소스 코드 36개 구현체, 30여 개 모델을 최적화했다고 밝혔습니다. 대상 범위는 co-folding과 구조 예측 모델 십여 개, 그리고 hallucination(단백질 새 구조 생성), 구조 생성, inverse folding 계열의 단백질 설계 모델 여러 개, 여기에 유전체학 모델과 단백질 언어모델까지 포함합니다. 정확한 모델별 개수는 공개되지 않았지만, 여섯 개 계열에 걸쳐 있다는 점에서 좁은 영역이 아니라 생체분자 모델링 소프트웨어 생태계 전반을 훑은 작업입니다.

성능 향상 폭은 두 갈래로 보고됐습니다. 정확도 손실을 최소화하는 방식으로는 평균 약 4배의 속도 향상을 얻었고, 출력을 완전히 동일하게 유지하는 보수적인 방식으로도 거의 2배 향상을 냈습니다. 눈에 띄는 성과 중 하나는 새로 짠 FlashPairformer 커널로, 구조 예측 모델에서 흔히 쓰이는 triangle attention 연산에서 기존 표준 구현 대비 2.72.9배, triangle multiplication 연산에서는 모델 구성에 따라 1.73.2배까지 속도를 높였습니다. 이런 저수준 커널 최적화는 사람이 직접 하려면 GPU 메모리 배치와 연산 순서를 깊이 이해해야 하는 작업인데, 이를 코딩 에이전트가 대신 수행했다는 것이 핵심입니다.

또 하나의 성과는 저메모리 모드 개발입니다. 이 모드를 적용하면 1만 토큰이 넘는 대형 생체분자 시스템을 NVIDIA GPU 한 대로도 정확하게 예측할 수 있게 됩니다. 여러 대의 GPU를 묶어야 다룰 수 있던 규모의 계산을 단일 노드로 끌어내렸다는 뜻으로, 연구실 단위의 컴퓨팅 자원으로도 대형 구조 예측 작업을 시도할 수 있는 문턱을 낮췄습니다. Anthropic은 이렇게 최적화한 코드를 전부 오픈소스로 공개했습니다.

이 작업과 별도로 Anthropic은 단백질 설계 스타트업 Adaptyv Bio와 함께 단백질 설계 대회를 공동 개최한다고 발표했습니다. 대회는 종간 교차반응성, pH 민감성, 펩타이드-MHC 특이성, GPCR처럼 다루기 까다로운 표적을 포함해 현재 단백질 설계 기술의 최전선에 있는 다섯 개 문제를 선정해 참가자들에게 제시합니다. Anthropic은 참가자들에게 최대 100만 달러 규모의 Claude 크레딧을 제공하고, 컴퓨팅 업체 Modal이 최대 25만 달러의 컴퓨팅 크레딧을, DNA 합성 업체 Twist Bioscience가 유전자 합성을 지원합니다. 제출된 설계안 중 5,000개 이상은 Adaptyv Bio의 자동화 실험실에서 실제로 발현·검증하는 단계까지 거칩니다. 신청 마감일이나 대회 시작 일정은 이번 발표문에는 구체적으로 명시되지 않았습니다.

의미와 한계

이번 발표는 코딩 에이전트의 활용 범위가 일반적인 소프트웨어 개발을 넘어 과학 연구용 인프라 최적화로 확장되고 있음을 보여줍니다. 특히 GPU 커널 수준의 저수준 최적화를 에이전트가 수행했다는 점은, 전문 인력이 부족한 학술 연구실에서도 상용 수준에 가까운 계산 효율을 얻을 여지가 생겼다는 뜻입니다. 단백질 설계 대회 역시 시뮬레이션 결과에 머물지 않고 실제 웻랩 검증까지 잇는다는 점에서, AI가 생성한 설계안의 실효성을 가늠할 실증 데이터가 쌓일 것으로 보입니다.

다만 한계도 분명합니다. Anthropic 스스로 밝힌 대로, 3만1천에서 7만 토큰에 이르는 매우 큰 바이러스 캡시드 구조처럼 훈련 데이터 범위를 크게 벗어나는 대상에서는 예측이 정확하지 않다고 명시했습니다. 즉 저메모리 모드가 다룰 수 있는 규모를 늘려 준 것이지, 모델 자체의 예측 정확도 한계를 없앤 것은 아닙니다. 또한 이번 최적화가 코딩 에이전트의 범용적인 과학 소프트웨어 최적화 능력을 뜻하는지, 아니면 생체분자 모델링이라는 비교적 정형화된 연산 패턴(어텐션 기반 구조 예측)에 특화된 성과인지는 이번 발표만으로 단정하기 어렵습니다. 대회의 실제 참가 규모나 결과물의 품질도 아직 나오지 않은 상태입니다.

한 줄 정리

Anthropic이 Claude로 오픈소스 생체분자 모델 30여 개의 속도를 평균 4배 높이고, 그 성과를 실험 검증까지 잇는 단백질 설계 대회로 확장했습니다.