SyntheticGestaltが4D分子基盤モデルを学習、NVIDIA技術で高速化

発表内容のポイント

• NVIDIA nvMolKitの活用により、CPU比で約20倍の高速なコンフォーマー生成を実現
• 分子の3次元形状と配座変化を学習する4D分子基盤モデル「ZAO」の事前学習を推進
• 研究開発の各工程を自律的に実行するAIエージェントの開発計画を公表

発表の背景

従来の分子AIの多くは、分子を1次元の文字列や2次元のグラフとして処理していました。しかし、実際の分子の挙動や結合特性、結晶配列などは、3次元の立体構造やその変化（配座）に左右されます。これらを高精度に予測するには膨大な3D構造データの計算が必要ですが、従来のCPUによる計算では処理能力が不足し、大規模な基盤モデルの学習において大きな課題となっていました。

何が発表されたのか

SyntheticGestaltは、GPU上で動作するNVIDIA nvMolKitを導入することで、ZAOの事前学習に向けて約100億個のコンフォーマー（配座）を生成・最適化しました。NVIDIA H200 GPUを搭載した環境でのベンチマークでは、CPUを用いた従来手法と比較して約20倍の処理速度を達成。生成された4D構造は埋め込み表現に変換され、製薬や農薬、低分子材料の分野において、活性や結合親和性などの物性を少量のデータから予測することを可能にします。

製造業・生産管理への見方

素材開発や化学・バイオ分野の生産プロセスにおいて、新規物質の探索や物性評価の高速化は、製品開発期間の短縮に直結する重要なテーマです。今回の発表は、GPUによる高速計算とAIエージェントの組み合わせにより、従来は研究者が手作業で行っていた化合物スクリーニングや予測モデルの構築を自動化できる可能性を示しています。これにより、新材料の設計から試作・評価に至る開発サイクル全体の効率化が期待されます。

現場で確認したいポイント

• 自社の新素材開発や化学物質探索において、3D構造予測モデルの導入余地があるか
• 既存の物性予測プロセスにおける計算コストや処理時間のボトルネックはどこか
• AIエージェントによる研究開発プロセスの自動化が、自社の開発体制にどう適合するか

確認しておきたい点

本技術は研究開発段階のシミュレーションや予測モデルに関するものであり、実際の製造ラインや量産プロセスにおける直接的な適用実績や、具体的な導入コストについては言及されていません。

関連リンク

• 発表企業サイト：SyntheticGestalt株式会社の公式サイト
• 発表企業のPR TIMESページ：SyntheticGestaltのプレスリリース一覧

出典情報