Generatived（Beta）｜生成AIの最新ニュースとトレンドを提供

JAXは科学界、特にAIを活用したタンパク質工学において大きな進歩を遂げています。スタートアップ企業のEscalanteは、JAXを活用して薬剤が細胞内タンパク質発現レベルに与える影響を予測しています。共同創業者のApril Schleck氏とNick Boyd氏は、JAXの合成可能な関数変換を活用し、多目的最適化が求められるタンパク質工学における科学的課題の解決に取り組んでいます。

Escalanteは、ゼロから薬剤を設計できる機械学習モデルの構築を目指しています。しかし、特定の生物学的データセットの不足が課題となっています。この課題を克服するため、彼らは必要なデータを生成するためのラボアッセイを開発しています。JAXの機能的性質は、様々なAIモデルを単一の最適化ループに統合する上で極めて重要であり、これは他のフレームワークではより複雑なタスクです。

エイプリル・シュレック氏は、複数のモデルを単一の損失関数に統合するJAXのタンパク質設計プロセスにおける役割を強調しました。このアプローチにより、GoogleのDeepDreamに類似した、事前学習済みのニューラルネットワークを用いたタンパク質配列の最適化が可能になります。エスカランテ氏の手法は、モデル評価と配列更新のサイクルを通じて、ランダムな配列を最適化されたタンパク質へと進化させます。

Nick Boyd氏は、複雑なコードのコンパイルと微分化におけるJAXの効率性を強調しました。これは彼らの研究にとって不可欠です。TPUハードウェアとXLAコンパイラの使用により、計算タスクのスケーリングが可能になります。Escalanteのインフラストラクチャは、 Google Kubernetes Engineを活用して数千台のスポットTPUを最適化ジョブに実行しています。これは、ヒトプロテオーム全体に対応するタンパク質結合剤を設計するという彼らの野心的な目標を支える、費用対効果の高い戦略です。

EquinoxやOptaxといったライブラリを含むJAXエコシステムは、エスカランテ氏の研究に不可欠な存在です。GitHubで公開されているMosaicライブラリは、JAXがGitHubラーニングの枠を超えて影響力を拡大し、科学的発見と微分可能プログラミングの新たな時代を育んでいることを証明しています。