Design-CP：タンパク質ナノ粒子設計のためのコンテキスト並列化
Design-CPは、RFdiffusion 3に2つのコンテキスト並列推論戦略（1D行シャーディングとリングアテンションを用いた2Dグリッドシャーディング）を導入し、2次活性を複数GPUに分散させることで、限られたメモリでも大規模タンパク質ナノ粒子設計を可能にする。2Dシャーディングは正二十面体アセンブリで優れたウォールクロックスケーリングを示し、ワークステーション級16GB GPU上で八面体ナノ粒子設計を実証した。
最近、arXivに投稿された論文で、Design-CPという新しい手法が提案されました。これはコンテキスト並列戦略を用いて、複数のGPU上での大規模タンパク質ナノ粒子設計を可能にするものです。この研究は、2026年の生成およびエージェントAI生物学ワークショップ（ICML 2026）に採択され、計算生物学と分散コンピューティングの交差点における重要な進展を示しています。
多くの全原子生成タンパク質モデル（RFdiffusion 3など）は、すべての鎖を同時にモデル化することで大きな多量体複合体を設計できますが、鎖や残基の数が増えると、2次的なトークンおよび原子対の表現が単一GPUのメモリをすぐに超過します。この問題を解決するために、研究チームは2つのコンテキスト並列（CP）推論戦略、すなわち1D行シャーディングとリングアテンションを用いた2Dグリッドシャーディングを開発しました。これらの戦略は、2次活性をマルチGPUメッシュに分散させ、事前学習済みの重みを保持しながら、限られたメモリでも大規模設計を可能にします。
研究チームは、正二十面体アセンブリのサンプリングにおける両戦略のスケーリング特性を評価しました。その結果、実行可能な最大非対称サブユニット（ASU）サイズはGPU数の平方根に比例して増加し、理論的な予測と一致しました。さらに、2Dシャーディングはウォールクロックスケーリングにおいて優れた性能を示し、より効率的な多GPU利用を実現しました。
本研究の重要な洞察は、強い点群対称性の制約により、CPをそのままエンドツーエンドの全原子正二十面体ナノ粒子設計に使用できることです。生成された構造は、計算機上で良好な構造および界面指標を示しました。最後に、チームは4台の16GB GPUからなるワークステーション級クラスタ上で八面体ナノ粒子設計を実証し、Design-CPの実用性を実証しました。
この論文はLorenzo Tarriconeら4名の著者によるもので、arXiv IDは2607.05439です。研究者らは、Design-CPが大規模アセンブリタンパク質設計の民主化への実用的な道筋を提供し、創薬やワクチン開発などの分野での応用が期待されると述べています。