BoltzGen을 Amazon SageMaker AI에 배포해 단백질 바인더 설계 워크플로의 GPU 인프라를 자동화하는 사례 연구

이 요약은 AI가 원문을 분석해 생성했습니다. 정확한 내용은 원문 기준으로 확인하세요.

TL;DR

BoltzGen은 확산 기반의 원자 단위 생성 모델로 단백질 바인더 설계에 백본 생성, 역접힘, 구조 검증, 후보 순위 매김의 연속적 GPU 집약 단계를 사용하며 리포지토리 벤치마크 기준 ml.g5.12xlarge 4-GPU에서 1,000 샘플에 약 375시간이 소요된다. Amazon SageMaker AI는 작업 제출 시 GPU 인스턴스 프로비저닝과 컨테이너 실행, 결과 저장을 자동화하며 초 단위 요금과 S3 기반 단계별 캐시(7일 만료)를 통해 반복 실험의 비용을 낮춘다. 구현은 단일 인스턴스 내 멀티-GPU와 파이프라인 모드의 멀티-인스턴스 확장을 모두 지원하고, 예시로 ml.g4dn.xlarge에서 2시간 실행 비용이 약 1.50달러로 제시되어 짧은 검증과 대규모 배치 모두에 대응할 수 있다. 배포를 위해 리포지토리의 설정 스크립트가 컨테이너를 빌드해 Amazon ECR에 푸시하도록 구성되어 있어 동일 구성으로 소규모 검증부터 대규모 캠페인까지 파라미터만 조정해 확장할 수 있다.

섹션별 상세

BoltzGen은 확산 기반의 원자 단위 생성 모델로서 표적 분자에 결합할 수 있는 단백질과 펩타이드를 설계하기 위해 백본 생성, 역접힘(inverse folding), 구조 검증, 후보 순위 매김의 연쇄적 단계를 수행한다. 각 단계는 GPU에서 개별 설계 사양을 처리하므로 수백에서 수백만 후보를 다룰 때 계산 부하가 급증한다. 리포지토리 벤치마크에 따르면 ml.g5.12xlarge 4-GPU 인스턴스에서 1,000 샘플 캠페인은 약 375시간이 소요된다. 설계 생성 단계가 전체 계산 비용에서 지배적이라는 점은 워크플로 최적화의 우선순위를 명확히 한다.

근거

리포지토리 벤치마크에 따르면 ml.g5.12xlarge 4-GPU 인스턴스에서 1,000 샘플 캠페인은 약 375시간이 소요된다. — 문서의 'How SageMaker AI addresses protein design bottlenecks' 섹션, 해당 문단의 벤치마크 수치

Amazon SageMaker AI는 작업 제출 시 컨테이너 실행을 위해 GPU 인스턴스를 자동으로 프로비저닝하고 완료 시 인스턴스를 해제하면서 결과를 Amazon S3에 기록해 장시간 실행 작업의 인프라 운영 부담과 유휴 비용을 감소시킨다. 요금은 초 단위로 청구되며, 예시로 ml.g4dn.xlarge에서 2시간 디자인 실행 비용이 온디맨드 기준 약 1.50달러로 제시되어 단기 검증에 적합한 저비용 옵션을 제공한다. 구현은 단일 인스턴스 내 멀티-GPU 병렬화와 파이프라인 모드에서의 멀티-인스턴스 확장을 모두 지원하며, 각 단계의 출력은 기본적으로 S3에 7일 만료 캐시로 저장되어 반복 실험 시 비용이 큰 설계 생성 단계의 재실행을 회피한다.

근거

온디맨드 요금 기준 ml.g4dn.xlarge에서 2시간 디자인 실행 비용이 약 1.50달러로 제시되었다. — 문서의 동일 섹션에서 예시로 제시된 비용 수치
파이프라인 모드에서 설계 생성 단계는 전체 계산 비용의 약 90%를 차지하므로 캐시를 사용해 해당 단계를 재실행하지 않도록 설계했다. — 문서의 동일 섹션에서 단계별 비용 비중과 S3 캐시 만료 설명

배포 측면에서 저장소의 설정 스크립트가 컨테이너 이미지를 빌드해 Amazon ECR에 푸시하도록 구성되어 있어 즉시 디자인 작업을 제출할 수 있는 예제가 제공된다. 동일한 구성으로 10개 후보를 검증하는 짧은 실행부터 대규모 배치 캠페인까지 파라미터 값만 바꿔 확장할 수 있으며, ml.g4dn 계열의 T4 기반 인스턴스부터 ml.g6e의 L40S 기반 인스턴스까지 인스턴스 선택으로 처리량과 비용을 조율할 수 있다. 연구 검증 단계와 프로덕션 배치 처리를 구분하는 두 가지 실행 모드를 제공해 개발 초기의 빠른 반복과 대규모 처리 요구를 모두 만족시킨다.

용어 해설

Diffusion Model: — 확산 기반 생성 모델은 노이즈를 점진적으로 제거하는 역과정을 학습해 복잡한 분포에서 샘플을 생성한다. 입력으로 랜덤 노이즈를 받고 여러 단계의 역확산 과정을 통해 단백질 좌표나 서열을 생성하며, 샘플링 단계가 많을수록 세밀한 구조를 얻을 수 있다. 단백질 설계에서는 물리적 제약을 만족시키는 원자 수준 출력을 얻기 위해 사용된다.
Inverse Folding: — 역접힘은 주어진 단백질 백본 구조로부터 이를 만들 수 있는 서열을 예측하는 과정이다. 모델은 3차원 좌표를 입력으로 받아 가능한 아미노산 조합을 산출하며, 구조와 서열 간의 일관성을 확보하는 데 사용된다. 단백질 설계 파이프라인에서 구조 생성 후에 서열을 결정하는 핵심 단계로서 검증과 최적화에 중요하다.
All-Atom Generative Model: — 원자 단위 생성 모델은 원자 수준의 좌표를 직접 생성하여 단백질의 물리적 정합성을 유지하도록 설계된다. 원자 간 상호작용과 결합 길이·각도 등의 물리적 제약을 고려해 출력 구조의 정확도를 높이며, 후속 구조 검증 단계의 부담을 줄인다. 단백질 바인더 설계에서는 결합부 환경을 세밀하게 재현할 수 있어 성능 영향이 크다.
Step-Level Caching: — 단계별 캐싱은 파이프라인의 각 처리 단계 결과를 외부 저장소에 보관해 동일 입력에 대해 이후 단계에서 재실행을 피하는 기법이다. 캐시 만료 시간을 설정해 반복 실험에서 비용이 큰 단계의 중복 수행을 줄이며, I/O를 통해 파이프라인을 연결한다. 설계 반복이 잦은 워크플로에서 전체 컴퓨팅 비용을 크게 낮춘다.