ツールを渡り歩く研究者の日常
ゲノムのデータベースを開いて、別のソフトで解析して、また違う環境でグラフを描く。研究者の一日は、こうした道具の乗り換えでどんどん削られていきます。PubMed、Jupyter、R、計算クラスターの端末、それぞれ作法の違う数十のデータベース。中身の科学に向き合う前に、ファイル形式やパイプラインの調整で消耗してしまう。ここに手を入れたのが Anthropic です。6月30日、同社は科学研究向けの作業環境 Claude Science を公開ベータとして出しました。バラバラだった道具を一つの会話画面にまとめ、そこへ NVIDIA の生命科学基盤である BioNeMo Agent Toolkit をつないだのです。
52分の処理が25秒で終わる衝撃
この統合でいちばん驚くべき点は、速さです。100万を超える細胞データの前処理とクラスタリング、従来なら52分かかっていた工程が、RAPIDS-singlecell を通すと25秒で片づきます。ゲノム解析も同じで、NVIDIA Parabricks にかければ数時間の計算が数分に縮みます。化合物の類似検索や立体配座の生成にいたっては、nvMolKit が最大で3000倍まで速度を引き上げます。筆者がここに注目するのは、単に処理が速いからではありません。これまで一晩かけて回す裏方の作業だった重い計算が、研究者が考えている最中の判断材料に変わるからです。待ち時間が消えれば、思考は途切れません。
重い計算が裏方から表舞台に出てきた、と言えるかもしれません。
自然言語で計算資源を呼び出す仕組み
研究者がやることは驚くほど単純です。「このゲノム配列を解析してほしい」「このタンパク質の立体構造を予測してほしい」「この標的に結合する分子を設計してほしい」と、普段の言葉で頼むだけ。あとは Claude Science が引き取ります。どのツールを使えばいいかを選び、正しい形式でデータを整え、NVIDIA の計算資源に処理を投げ、返ってきた結果を人が確認できる形で差し出してくれます。ここで効いているのが、BioNeMo Agent Toolkit の作り方です。加速済みの機能一つひとつに、何のための道具か、どんな入力が要るかという説明が添えてあります。だから会話する側のエージェントは、迷わず適切な機能に手を伸ばせます。Evo 2、Boltz-2、OpenFold3 といったモデルも、その場から呼び出せるようになりました。
がん標的の阻害剤づくりという実例
抽象論だけでは伝わりにくいので、具体的な使い道を一つ。がんを引き起こすことがわかっている抗原の変異を出発点に、研究者が Claude に「この変異を狙う阻害剤の候補をたくさん作ってほしい」と投げかけます。すると Claude Science は BioNeMo Agent Toolkit と NVIDIA NIM マイクロサービスと連携し、候補の予測から絞り込み、検証までを一気通貫で走らせます。絵に描いた話ではありません。世界の製薬大手20社のうち18社が、すでに BioNeMo を実際の研究現場で動かしています。つまり、この統合が届く先は最初から本番の創薬パイプラインなのです。研究者はコンテナやAPIの面倒を見る必要がなく、標準化された窓口を叩くだけで、遠くにある計算資源を呼び出せます。
ベータ版ゆえに残る危うさ
もっとも、手放しで喜べる段階ではありません。今はまだ公開ベータで、対応する科学分野には濃淡があります。エージェントが道具の選択を誤ったり、入力を取り違えたりすれば、誰も気づかないうちに高価なGPUの予算を食いつぶしかねません。この危うさは正直に見ておくべきでしょう。処理の輪はあくまで人と機械が交互に回すものであって、完全な自動運転ではありません。出てきた結果を研究者が一つずつ確かめる作業は、これからも残ります。Anthropic 自身も、次にどんな専門分野や連携が欲しいかをベータ利用者に尋ねている最中です。筆者が面白いと感じるのは、この仕組みが目指しているのが全自動ではなく、考えることと計算することのあいだにあった長い待ち時間を削る一点に絞られている姿勢です。Claude Science は macOS と Linux 向けに、Pro、Max、Team、Enterprise の各プランで試せます。研究の速度がここから変わるとすれば、その入り口は、意外なほど地味な、待たなくてよくなるという変化のはずです。
