AWS Machine Learning 블로그의 11월 13일 게시물에 따르면 Amazon Web Services는 Amazon SageMaker JumpStart에서 직접 배포할 수 있는 오픈 소스 생체 분자 구조 예측 모델인 OpenFold3-preview를 만들었습니다. 이번 움직임으로 전산 생물학의 가장 중요한 모델군 중 하나가 관리형 클라우드 엔드포인트 뒤에 놓이게 되었으며, 연구 팀에 독점 구조 예측 시스템에 대한 공개 라이선스 대안을 제공하게 되었습니다.

OpenFold3은 OpenFold Consortium과 Columbia University의 AlQuraishi Lab에서 개발되었습니다. 모든 사람이 최신 AI 연구에 액세스할 수 있도록 하는 다른 개방형 과학 노력과 마찬가지로 이 프로젝트는 블랙박스 API보다 훨씬 더 많은 것을 게시합니다. 코드와 모델 가중치는 Apache 2.0 라이선스에 따라 제공되며 개발자는 훈련 데이터와 방법도 게시했습니다.

OpenFold3가 예측할 수 있는 것

OpenFold3은 모든 원자 구조 예측 모델입니다. AWS에 따르면, 이는 서열로부터 직접 분자 세트의 결합 3D 구조를 예측하며 단일 단백질 사슬에만 국한되지 않습니다. 단일 예측으로 다중 사슬 단백질 복합체, 단백질-핵산 어셈블리 및 단백질-리간드 복합체를 접을 수 있으며, 이는 약물 개발에 중요한 분자 상호 작용의 큰 부분을 차지합니다.

구조 예측은 조용히 컴퓨터 신약 발견의 핵심 인프라가 되었기 때문에 이러한 기능이 중요합니다. AWS의 게시물에 따르면 이제 팀은 표적 식별, 항체 및 단백질 엔지니어링, 구조 기반 가상 스크리닝(어떤 약물 후보가 습식 실험실에 도달할지 결정하는 초기 단계 작업)에 AWS를 사용하고 있습니다.

오픈 라이선스가 핵심입니다

Apache 2.0 라이센스는 폐쇄된 프론티어 시스템으로 붐비는 분야에서 OpenFold3를 구별하는 요소입니다. 연구 기관과 제약 회사는 모델을 검사하고, 독점 데이터를 바탕으로 세부 조정하고, 라이선스 조건에 따라 그 위에 상용 제품을 구축할 수 있다고 AWS는 말했습니다. 분자 구조와 스크리닝 데이터가 영업 비밀로 엄격하게 보호되는 업계의 경우, 가중치와 훈련 방법이 공개된 모델은 폐쇄형 API가 따라올 수 없는 수준의 감사 가능성을 팀에 제공합니다.

AWS는 OpenFold3-preview를 연구 미리보기로 설명하는데, 이는 명심할 가치가 있습니다. 이는 완성된 제품이 아니라 초기의 진화하는 배포입니다. 그러나 개방형, 전체 원자 접이식 모델의 미리 보기 배포조차도 독점 모델 제공자와 기업 라이선스를 협상할 수 없는 학술 연구실의 장벽을 낮춰줍니다.

비동기 추론에서 실행되는 이유

인프라 스토리는 모델 자체만큼 흥미롭습니다. 대부분의 JumpStart 모델(대형 언어 모델 및 포함 모델)은 최대 60초로 제한되는 단일 요청 내에 응답을 반환해야 하는 실시간 엔드포인트에 배포됩니다. 구조 예측은 그 틀에 맞지 않습니다. 접는 시간은 쿼리의 사슬 수와 길이에 따라 증가하며 실제 단백질과 복합체는 예측하는 데 몇 분이 걸리는 경우가 많습니다.

이러한 이유로 JumpStart의 OpenFold3은 SageMaker 비동기 추론에서 실행됩니다. AWS는 과학적 워크로드에 적합한 비동기식 엔드포인트의 두 가지 속성을 강조합니다. 내부적으로 대량의 요청을 대기열에 넣어 실험실에서 자체 작업 대기열을 구축하지 않고도 대규모 시퀀스 배치를 제출할 수 있으며, 대기열이 비어 있으면 인스턴스를 0개로 확장하여 실험 사이에 유휴 GPU 시간 비용을 지불하지 않아도 됩니다. 모델은 G6 GPU 인스턴스에서 실행되며, AWS는 G6 용량이 일부 지역에서 제한될 수 있음을 경고합니다. InsufficientInstanceCapacity 오류로 인해 배포가 실패하는 경우 나중에 다시 시도하거나 지원되는 다른 인스턴스 크기를 선택해야 합니다.

발표 내용에는 비용 경고도 포함되어 있습니다. SageMaker 엔드포인트는 유휴 상태를 포함하여 실행되는 동안 인스턴스 시간당 요금이 청구됩니다. AWS의 게시물은 사용자에게 예상치 못한 비용을 피하기 위해 정리 단계를 따르거나 scale-to-0을 구성하라고 지시합니다. 이는 예상치 못한 클라우드 청구서를 거의 용납하지 않는 연구 예산에 대한 실용적인 조언입니다.

AI 기반 과학의 의미

이번 배포 계약은 개방형 과학과 상용 클라우드 인프라가 어디에서 수렴되는지에 대한 신호입니다. OpenFold3 개발자들은 검사, 미세 조정 및 확장이 가능하도록 설계된 모델을 구축했습니다. AWS는 대부분의 랩에서 자체 호스팅을 방해하는 몇 분 간의 추론, 폭주하는 배치 워크로드, 유휴 시간 비용 등 까다로운 운영 현실을 처리하는 서비스 계층을 구축했습니다. 이들은 함께 최근 클라우드 계정이 있는 표준 연구팀이 사용할 수 있는 심층적인 ML 엔지니어링 전문 지식이 필요한 기능을 만듭니다.

경쟁 구도도 주목할 만하다. 구조 예측 모델은 세계 최고의 자금 지원을 받는 일부 AI 연구소가 포함된 신약 개발 경쟁의 중심에 있으며, 개방형 대안은 해당 시장의 모든 사람의 협상 위치를 바꿉니다. 제약회사가 폐쇄형 시스템을 임대하는 대신 자체 데이터로 Apache 2.0 모델을 미세 조정할 수 있다면 AI 지원 신약 발견의 경제성이 의미 있게 바뀔 것입니다.

그 어느 것도 과학적 경고를 해결하지 못합니다. 예측 구조는 실험적으로 결정된 사실이 아닌 계산적 가설이며, AWS 자체 게시물은 바로 그러한 이유로 배포를 연구 미리 보기로 구성합니다. 그러나 방향은 분명합니다. 자연어 처리를 재구성한 개방형 생태계가 이제 분자 과학에 도달하고 있으며 클라우드 제공업체가 이를 호스팅하기 위해 경쟁하고 있습니다.

---

AI보다 앞서 나가세요

최신 AI 뉴스, 분석, 획기적인 소식을 모두 한 곳에서 받아보세요.

AI 뉴스 자세히 보기 →