AWS Machine Learning Blog'da 13 Kasım'da yayınlanan bir gönderiye göre Amazon Web Services, açık kaynaklı bir biyomoleküler yapı tahmin modeli olan OpenFold3-preview'i doğrudan Amazon SageMaker JumpStart'tan dağıtılabilir hale getirdi. Bu hamle, hesaplamalı biyolojinin en önemli model ailelerinden birini yönetilen bir bulut uç noktasının arkasına yerleştiriyor ve araştırma ekiplerine özel yapı tahmin sistemlerine açık lisanslı bir alternatif sunuyor.
OpenFold3, OpenFold Konsorsiyumu ve Columbia Üniversitesi'ndeki AlQuraishi Laboratuvarı tarafından geliştirildi. En son AI araştırmasını herkesin erişimine açık tutan diğer açık bilim çalışmaları gibi, proje de bir kara kutu API'sinden çok daha fazlasını yayınlıyor: kod ve model ağırlıkları Apache 2.0 lisansı altında gönderiliyor ve geliştiriciler eğitim verilerini ve yöntemlerini de yayınlıyor.
OpenFold3 Neleri Tahmin Edebilir?
OpenFold3 tüm atomlardan oluşan bir yapı tahmin modelidir. AWS'ye göre, bir dizi molekülün ortak 3 boyutlu yapısını doğrudan dizilerinden tahmin ediyor ve bu, tek protein zincirleriyle sınırlı değil. Tek bir tahmin, ilaç geliştirmede önemli olan moleküler etkileşimlerin büyük bir kısmını kapsayan çok zincirli protein komplekslerini, protein-nükleik asit düzeneklerini ve protein-ligand komplekslerini katlayabilir.
Bu yetenek önemlidir çünkü yapı tahmini, hesaplamalı ilaç keşfi için sessizce temel altyapı haline gelmiştir. AWS'nin gönderisinde ekiplerin artık hedef belirleme, antikor ve protein mühendisliği ve yapı tabanlı sanal tarama (hangi ilaç adaylarının ıslak laboratuvara ulaşacağını belirleyen erken aşama çalışma) için buna güvendiği belirtiliyor.
Önemli olan Açık Lisanstır
Apache 2.0 lisanslaması, OpenFold3'ü kapalı sınır sistemleriyle dolu bir alanda farklı kılan şeydir. AWS, araştırma kuruluşları ve ilaç şirketlerinin modeli inceleyebileceğini, özel veriler üzerinde ince ayar yapabileceğini ve lisans koşulları kapsamında bunun üzerine ticari ürünler oluşturabileceğini söyledi. Moleküler yapıların ve tarama verilerinin yakından korunan ticari sırlar olduğu bir endüstri için, ağırlıkları ve eğitim yöntemleri yayınlanan bir model, ekiplere kapalı API'lerin eşleşemeyeceği düzeyde bir denetlenebilirlik sağlar.
AWS, OpenFold3 önizlemesini bir araştırma ön izlemesi olarak tanımlıyor ve bunu akılda tutmakta fayda var: Bu, bitmiş bir üründen ziyade erken, gelişen bir dağıtımdır. Ancak açık, tamamı atom katlama modelinin ön izleme dağıtımı bile özel model sağlayıcılarla kurumsal lisanslar konusunda pazarlık yapamayan akademik laboratuvarlar için engeli azaltıyor.
Neden Eşzamansız Çıkarımda Çalışıyor?
Modelin kendisi kadar altyapı hikayesi de ilgi çekici. Çoğu JumpStart modeli (büyük dil modelleri ve bunların arasına gömülü modeller) 60 saniyeyle sınırlı tek bir istek içinde yanıt döndürmesi gereken gerçek zamanlı uç noktalara dağıtılır. Yapı tahmini bu kalıba uymuyor. Katlama süresi, bir sorgudaki zincirlerin sayısı ve uzunluğuyla birlikte artar ve gerçek dünyadaki proteinlerin ve komplekslerin tahmin edilmesi genellikle birkaç dakika alır.
Bu nedenle JumpStart'taki OpenFold3, SageMaker Eşzamansız Çıkarım üzerinde çalışır. AWS, eşzamansız uç noktaların bilimsel iş yüklerine uygun iki özelliğini öne çıkarır: Ani istekleri dahili olarak sıraya koyarlar, böylece bir laboratuvar kendi iş kuyruğunu oluşturmadan büyük bir dizi dizisi gönderebilir ve sıra boş olduğunda sıfır örneklere ölçeklenebilir, bu da deneyler arasında boşta kalan GPU süresi için ödeme yapılmasını önler. Model, G6 GPU bulut sunucuları üzerinde çalışıyor ve AWS, G6 kapasitesinin bazı bölgelerde sınırlı olabileceği konusunda uyarıyor; InsufficientInstanceCapacity hatasıyla başarısız olan dağıtımlar daha sonra yeniden denemeli veya farklı bir desteklenen bulut sunucusu boyutu seçmelidir.
Duyuruda ayrıca bir maliyet uyarısı da yer alıyor: SageMaker uç noktaları, boşta kalma süresi de dahil olmak üzere çalışırken bulut sunucusu saati başına faturalandırılır. AWS'nin gönderisi, kullanıcılara temizleme adımlarını takip etmelerini veya beklenmedik masraflardan kaçınmak için sıfıra ölçeklendirmeyi yapılandırmalarını söylüyor; sürpriz bulut faturalarına nadiren tolerans gösteren araştırma bütçeleri için pratik tavsiyeler.
Yapay Zeka Odaklı Bilim İçin Ne İfade Ediyor?
Dağıtım anlaşması, açık bilim ile ticari bulut altyapısının nerede birleştiğine dair bir sinyaldir. OpenFold3'ün geliştiricileri incelenmek, ince ayar yapmak ve genişletilmek üzere tasarlanmış bir model oluşturdu; AWS, çoğu laboratuvarın kendi kendini barındırmasını engelleyen çok dakikalık çıkarım, çok hızlı toplu iş yükleri, boşta kalma süresi maliyetleri gibi garip operasyonel gerçekleri ele alan hizmet katmanını oluşturdu. Birlikte, yakın zamanda derin makine öğrenimi mühendisliği uzmanlığı gerektiren bir yeteneği, bulut hesabına sahip standart bir araştırma ekibinin kullanımına sunuyorlar.
Rekabet ortamı da izlemeye değer. Yapı tahmin modelleri, dünyadaki en iyi finanse edilen yapay zeka laboratuvarlarından bazılarını içeren ilaç keşfi silahlanma yarışının merkezinde yer alıyor ve açık alternatifler, bu pazardaki herkesin müzakere pozisyonunu değiştiriyor. Bir ilaç şirketi, kapalı bir sistem kiralamak yerine Apache 2.0 modeline kendi verileri üzerinden ince ayar yapabilirse, yapay zeka destekli ilaç keşfinin ekonomisi anlamlı bir şekilde değişir.
Bunların hiçbiri bilimsel uyarıları çözmüyor. Tahmin edilen yapılar deneysel olarak belirlenmiş gerçekler değil, hesaplamalı hipotezlerdir ve AWS'nin kendi gönderisi, tam da bu nedenle dağıtımı bir araştırma önizlemesi olarak çerçevelemektedir. Ancak yön açık: Doğal dil işlemeyi yeniden şekillendiren açık ağırlıklı ekosistem artık moleküler bilimlere ulaşıyor ve bulut sağlayıcıları onu barındırmak için yarışıyor.
---
Yapay Zekanın Önünde OlunEn son yapay zeka haberlerini, analizlerini ve buluşlarını tek bir yerden alın.
Daha fazla AI haberini okuyun →
