단백질 나노입자와 같은 대규모 다중체(multimeric) 복합체를 설계하는 것은 생명공학 분야의 오랜 숙제였습니다. 기존의 모든 원자(all-atom) 생성 단백질 모델들은 이론적으로 여러 사슬(chain)을 동시에 모델링하여 이러한 복합체를 설계할 수 있었지만, 토큰 및 원자 쌍(atom-pair) 표현 방식이 사슬과 잔기(residue) 수가 증가함에 따라 GPU 메모리를 빠르게 초과하는 한계에 직면했습니다. 이러한 기술적 장벽은 대규모 단백질 설계의 발전을 저해하는 주요 요인이었습니다.
최근 발표된 Design-CP는 이러한 문제를 해결하기 위해 RFdiffusion 3 모델에 적용할 수 있는 두 가지 컨텍스트 병렬화(Context Parallelism, CP) 추론 전략을 제안합니다. 이 전략들은 1D 행 분할(row-sharding)과 링 어텐션(ring attention)을 활용한 2D 그리드 분할 방식을 포함하며, 사전 학습된 가중치(pretrained weights)를 보존하면서도 쿼드라틱 활성화(quadratic activations)를 여러 GPU 메시(mesh)에 분산시킵니다. 연구팀은 이코사헤드론(icosahedral) 조립체 샘플링을 통해 GPU 수에 따라 최대 비대칭 서브유닛(Asymmetric Subunit, ASU) 크기가 제곱근 추세로 증가하며, 특히 2D 분할 방식이 더 나은 실제 시간(wall-clock) 스케일링을 달성함을 입증했습니다. 또한, 강력한 점군 대칭(point-group symmetry) 제약 조건 덕분에 Design-CP는 이코사헤드론 나노입자의 엔드투엔드(end-to-end), 모든 원자 설계에 바로 활용될 수 있으며, 우수한 시험관 내(in silico) 구조 및 인터페이스 지표를 보여주었습니다.
Design-CP의 가장 중요한 성과는 워크스테이션급 16GB GPU 소규모 클러스터에서도 팔면체(octahedral) 나노입자 설계가 가능하다는 점을 시연했다는 것입니다. 이는 대규모 단백질 조립체 설계가 더 이상 고가의 슈퍼컴퓨팅 자원에만 의존하지 않고, 접근 가능한 하드웨어에서도 실현될 수 있음을 의미합니다. 이 기술은 단백질 공학 분야의 연구자와 개발자들이 더 복잡하고 혁신적인 단백질 구조를 설계할 수 있는 실질적인 경로를 제공하며, 궁극적으로 단백질 설계의 민주화에 크게 기여할 것으로 기대됩니다. 이는 신약 개발, 재료 과학 등 다양한 응용 분야에서 새로운 가능성을 열어줄 것입니다.