Amazon Web Services telah membuat pratinjau OpenFold3, model prediksi struktur biomolekuler sumber terbuka, yang dapat diterapkan langsung dari Amazon SageMaker JumpStart, menurut postingan tanggal 13 November di Blog Pembelajaran Mesin AWS. Langkah ini menempatkan salah satu keluarga model biologi komputasi yang paling penting di belakang titik akhir cloud yang dikelola – dan memberikan tim peneliti alternatif berlisensi terbuka terhadap sistem prediksi struktur yang dipatenkan.
OpenFold3 dikembangkan oleh Konsorsium OpenFold dan Lab AlQuraishi di Universitas Columbia. Seperti upaya sains terbuka lainnya yang membuat penelitian AI terbaru dapat diakses oleh semua orang, proyek ini menerbitkan lebih dari sekadar API kotak hitam: kode dan bobot model dikirimkan di bawah lisensi Apache 2.0, dan para pengembang juga telah menerbitkan data dan metode pelatihan.
Apa yang Dapat Diprediksi OpenFold3
OpenFold3 adalah model prediksi struktur semua atom. Menurut AWS, ini memprediksi struktur 3D gabungan dari sekumpulan molekul langsung dari urutannya — dan tidak terbatas pada rantai protein tunggal. Sebuah prediksi tunggal dapat melipatgandakan kompleks protein multirantai, kumpulan protein-asam nukleat, dan kompleks protein-ligan, yang mencakup sebagian besar interaksi molekuler yang penting dalam pengembangan obat.
Kemampuan tersebut penting karena prediksi struktur diam-diam telah menjadi infrastruktur inti untuk penemuan obat komputasi. Postingan AWS mencatat bahwa tim kini mengandalkannya untuk identifikasi target, rekayasa antibodi dan protein, serta penyaringan virtual berbasis struktur – pekerjaan tahap awal yang menentukan kandidat obat mana yang akan mencapai laboratorium basah.
Lisensi Terbuka Adalah Intinya
Lisensi Apache 2.0 inilah yang membedakan OpenFold3 di bidang yang penuh dengan sistem perbatasan tertutup. Organisasi penelitian dan perusahaan farmasi dapat memeriksa model tersebut, menyempurnakannya berdasarkan data kepemilikan, dan membuat produk komersial berdasarkan ketentuan lisensi, kata AWS. Untuk industri yang struktur molekuler dan data penyaringannya dijaga ketat sebagai rahasia dagang, model yang bobot dan metode pelatihannya dipublikasikan memberi tim tingkat kemampuan audit yang tidak dapat ditandingi oleh API tertutup.
AWS menggambarkan pratinjau OpenFold3 sebagai pratinjau penelitian, yang perlu diingat: ini adalah penerapan awal yang terus berkembang, bukan produk jadi. Namun bahkan distribusi pratinjau model pelipatan atom yang terbuka pun menurunkan hambatan bagi laboratorium akademis yang tidak dapat menegosiasikan lisensi perusahaan dengan penyedia model berpemilik.
Mengapa Ini Berjalan pada Inferensi Asinkron
Kisah infrastruktur sama menariknya dengan modelnya sendiri. Sebagian besar model JumpStart — model bahasa besar dan model penyematan di antaranya — diterapkan ke titik akhir real-time yang harus mengembalikan respons dalam satu permintaan yang dibatasi hingga 60 detik. Prediksi struktur tidak sesuai dengan pola tersebut. Waktu pelipatan bertambah seiring dengan jumlah dan panjang rantai dalam kueri, dan protein serta kompleks di dunia nyata sering kali memerlukan waktu beberapa menit untuk diprediksi.
Oleh karena itu, OpenFold3 di JumpStart berjalan pada SageMaker Asynchronous Inference. AWS menyoroti dua properti titik akhir asinkron yang sesuai dengan beban kerja ilmiah: titik akhir tersebut mengantri sejumlah permintaan secara internal, sehingga lab dapat mengirimkan sejumlah besar urutan tanpa membuat antrean tugasnya sendiri, dan dapat menskalakan ke nol saat antrean kosong, sehingga menghindari pembayaran waktu idle GPU di antara eksperimen. Model ini berjalan pada instans GPU G6, dan AWS memperingatkan bahwa kapasitas G6 dapat dibatasi di beberapa wilayah — penerapan yang gagal karena kesalahan InsufficientInstanceCapacity harus dicoba lagi nanti atau memilih ukuran instans lain yang didukung.
Ada juga peringatan biaya yang dimasukkan ke dalam pengumuman: Titik akhir SageMaker ditagih per jam instans saat berjalan, termasuk saat menganggur. Postingan AWS memberi tahu pengguna untuk mengikuti langkah pembersihannya atau mengonfigurasi skala ke nol untuk menghindari biaya tak terduga — saran praktis untuk anggaran penelitian yang jarang menoleransi tagihan cloud yang tidak terduga.
Apa Artinya Bagi Sains Berbasis AI
Kesepakatan distribusi ini merupakan sinyal mengenai titik temunya ilmu pengetahuan terbuka dan infrastruktur cloud komersial. Pengembang OpenFold3 membangun model yang dirancang untuk diperiksa, disesuaikan, dan diperluas; AWS membangun lapisan penyajian yang menangani realitas operasional yang sulit — inferensi multi-menit, beban kerja batch yang meledak-ledak, biaya waktu menganggur — yang menghentikan sebagian besar laboratorium untuk melakukan self-hosting. Bersama-sama, mereka menyediakan kemampuan yang saat ini membutuhkan keahlian teknis ML yang mendalam bagi tim peneliti standar dengan akun cloud.
Lanskap kompetitif juga patut disaksikan. Model prediksi struktur berada di tengah perlombaan senjata penemuan obat yang mencakup beberapa laboratorium AI dengan pendanaan terbaik di dunia, dan alternatif terbuka mengubah posisi negosiasi semua orang di pasar tersebut. Jika sebuah perusahaan farmasi dapat menyempurnakan model Apache 2.0 berdasarkan datanya sendiri dibandingkan menyewa sistem tertutup, maka keekonomian penemuan obat yang dibantu AI akan berubah secara signifikan.
Tak satu pun dari hal tersebut dapat menyelesaikan keberatan ilmiah. Struktur yang diprediksi adalah hipotesis komputasi, bukan fakta yang ditentukan secara eksperimental, dan postingan AWS sendiri membingkai penerapan sebagai pratinjau penelitian untuk alasan tersebut. Namun arahnya jelas: ekosistem open-weight yang membentuk kembali pemrosesan bahasa alami kini menjangkau ilmu molekuler, dan penyedia cloud berlomba untuk menjadi tuan rumah bagi ekosistem tersebut.
---
Tetap Terdepan dalam AIDapatkan berita, analisis, dan terobosan AI terkini — semuanya di satu tempat.
Baca berita AI selengkapnya →
