Anthropic 공식 로고
발행 2026-09-17
Anthropic 공식 로고
Anthropic은 Claude를 이용해 단백질 구조 예측과 설계 등에 쓰이는 오픈소스 생물분자 모델 30여 개를 최적화하고, 그 코드를 공개했다. 회사 측 시험에서는 작업 속도가 평균 약 4배로 높아졌고 대형 분자 시스템도 한 대의 GPU 서버에서 처리할 수 있어, 연구에 필요한 시간과 컴퓨팅 자원을 줄일 가능성이 있다.
배경부터 이해하기 생물분자 모델은 아미노산 배열로 단백질의 3차원 구조를 예측하거나, 원하는 기능을 갖는 단백질을 설계하는 과학용 소프트웨어다. 신약 후보 탐색, 유전체 분석, 단백질 기능 연구 등에 쓰인다. 추론은 이미 학습된 모델이 새 입력을 받아 예측 결과를 만드는 과정이다.
큰 분자 구조를 계산할 때는 세 분자 요소의 관계를 함께 처리하는 연산이 시간과 메모리를 많이 사용한다. Anthropic 설명에 따르면 분석 대상의 크기가 두 배가 되면 일부 핵심 연산의 시간과 메모리 사용량은 여덟 배가 될 수 있다. 이전 단백질 설계 실험에서는 표적 하나당 최대 2,500시간 상당의 NVIDIA H100 GPU 연산을 허용해 대부분의 연구자가 감당하기 어려운 규모였다고 회사는 밝혔다.
무엇이 바뀌었나 Claude는 약 4주 동안 기술 직원 2명의 감독 아래 구조 예측, 단백질 설계, 유전체 분석 등 30여 개 오픈소스 모델의 코드를 손봤다. 중복 계산을 저장해 다시 쓰고, 결과가 정해진 불필요한 코드 경로를 단순화했으며, GPU가 핵심 연산을 효율적으로 처리하도록 저수준 코드를 제작했다. 전체 작업은 정밀도 손실을 최소화한 설정에서 평균 약 4배 빨라졌고, 출력이 완전히 같은 설정에서는 거의 2배 빨라졌다는 것이 Anthropic의 종합 주장이다. 구조 예측 모델 12개 이상만 보면 출력이 같은 경우 평균 약 1.6배 빨라졌다.
새 저메모리 ‘Big’ 모드는 아미노산, 핵산, 작은 분자의 원자 등을 세는 입력 단위인 토큰이 1만 개를 넘는 시스템을 NVIDIA GPU 서버 한 대에서 정확하게 예측했다. 최대 7만 개가 넘는 시스템도 한 대의 8-GPU B300 서버에서 계산 자체는 끝냈지만, 이 초대형 결과는 실제 구조와 맞지 않고 무너졌다. Anthropic은 최적화된 코드를 오픈소스로 공개했다. Adaptyv Bio와 함께 5개 과제를 다루는 단백질 설계 대회도 발표했으며, 5,000개가 넘는 제출 설계의 실험실 검증을 지원한다고 밝혔다.
왜 중요한가 연구 모델이 네 배 빨라졌다는 말은 같은 종류의 예측 작업을 처리하는 속도가 기존의 약 네 배가 됐다는 뜻이다. 단순화하면 기존에 네 시간이 걸리던 계산이 비슷한 조건에서 약 한 시간 수준이 될 수 있지만, 실제 시간은 모델과 장비, 정확도 설정에 따라 달라진다. 메모리 절감은 여러 GPU 서버가 필요했던 큰 분자 시스템을 서버 한 대에서 시험할 길을 넓힌다. 연구팀은 장비 대기와 비용 부담을 줄이고 더 많은 후보 구조를 비교할 수 있다. 코드가 공개됐기 때문에 다른 개발자가 구현을 검토하거나 자신의 연구 도구에 적용할 수도 있다.
실제로 어떤 의미인가 활용 예시: 한 대학 연구팀이 특정 단백질에 붙는 후보 단백질 100개를 구조 예측 모델로 평가한다고 가정하자. 이전에는 연산 시간이 길어 후보 수를 줄이거나 여러 GPU 서버를 확보해야 했을 수 있다. 공개된 최적화 코드가 해당 모델과 장비에서 제대로 작동한다면, 연구팀은 같은 시간에 더 많은 후보를 계산하고 유망한 일부만 실제 실험으로 넘길 수 있다. 다만 이는 이해를 돕기 위한 가정이며, 해당 100개 후보 작업을 Anthropic이 실제 시험했다는 뜻은 아니다.
사용·공개 범위 최적화된 모델 코드는 발표 당일 오픈소스로 공개됐다. 이용자는 공개 저장소에서 코드를 확인할 수 있으나, 지원되는 모델별 설치 조건과 필요한 NVIDIA GPU 종류는 원문에 일괄적으로 명시되지 않았다. 단백질 설계 대회는 최대 100만 달러 상당의 Claude 이용 크레딧, 최대 25만 달러 상당의 Modal 컴퓨팅 크레딧과 5,000개 이상 설계의 실험 검증을 지원한다고 발표됐다. 참가 자격, 신청 일정과 선정 조건은 별도 대회 안내에서 확인해야 하며 현금 지급으로 소개된 것은 아니다.
확인할 점 속도와 정확도 수치는 Anthropic이 자사 환경에서 측정한 회사 주장이다. 평균 약 4배 향상은 일부 정밀도 감소를 허용한 설정을 포함하며, 완전히 같은 출력을 요구하면 향상 폭이 더 작다. 모델과 GPU 구성에 따라 결과가 달라질 수 있다. 1만 토큰이 넘는 일부 시스템은 실험으로 확인된 구조와 가깝게 예측됐지만, 3만1,000~7만 토큰대 초대형 시스템은 계산만 완료됐을 뿐 정확한 구조를 만들지 못했다. 컴퓨터상 결합 평가가 비슷했다는 결과도 실제 생물 실험에서 효능이나 안전성이 확인됐다는 의미는 아니다.
용어 풀이 추론: 학습이 끝난 AI 모델에 새 데이터를 넣어 구조나 성질 같은 결과를 계산하는 과정. 토큰: 이 연구에서 모델이 입력을 세는 단위. 아미노산, 핵산, 작은 분자의 원자와 이온 등을 포함한다. GPU: 많은 계산을 동시에 처리해 AI와 과학 모델 실행을 빠르게 하는 연산 장치.
출처: Anthropic · 발행 2026-09-17 · 시각 미표기