NVIDIAはバイオ分子構造予測とタンパク質複合体のコ折叠ワークフローを大幅に高速化するBioNeMo Agent Toolkitを発表した。本ツールキットは、医薬品開発やタンパク質設計における大規模ワークロードのボトルネックを解消し、AIエージェントによるエンドツーエンドの自動化を可能にする。 コ折叠モデルの性能向上には、MSA生成、推論最適化、マルチGPUスケールアウトの3段階での技術革新が不可欠である。まず、従来のCPU依存だった多重配列比較生成をGPU上で実行するMMseqs2-GPUを採用し、単一L40SにおいてCPU版JackHMMER対比最大177倍の高速化を実現。H100およびB300アーキテクチャ向けに最適化された同モジュールは、1万トークン以上でも線形に近いスケーラビリティを示す。 推論段階では、原子モデリング用の幾何学学習プリミティブライブラリcuEquivarianceをOpenFold3などのオープンソースモデルに統合。同ライブラリと専用NIMの併用により、Blackwell世代GPU（B300）上での推論レイテンシを最大4倍に短縮。単一GPUでの処理可能な最大シーケンス長は約6,400トークンに拡大した。 さらに、単一GPUのメモリ制約を超え、大規模分子複合体の予測を可能にする並列化技術Fold-CPを導入した。デバイスあたりのメモリ使用量がトークン数とGPU数の関数として最適化され、Boltz-2モデルを用いた64台のB300クラスターでは最大3万2,000トークンの複合体構造予測が達成可能となり、単一GPU限界の約12倍のスケールを実現した。 これらの加速度技術は、医薬品バーチャルスクリーニングのパイプラインを根本から変える。構造ベースの手法が候補化合物ライブラリの早期段階へ適用可能となるほか、リボソームやスプライソソームのような大規模生体複合体の計算論的解析が現実的なものとなる。BioNeMo Agent Toolkitはこれらのツールをシームレスに統合し、AIエージェントが自律的に創薬ワークフローを構築・実行できるよう設計されている。 NVIDIAは本加速基盤をオープンソースコミュニティと連携し、開発者向けAPIとエージェント用ツールキットとして公開した。これにより、計算構造生物学の問いかけの範囲が広がり、予測から新薬創出までのサイクルが加速すると期待される。