研究モデルはGPUでどう動くのか — Nadoo Bioの一件のジョブを追う

研究モデルはGPUでどう動くのか

実行ボタンを押して結果を待つ間、GPUサーバーでは何が起きているのでしょうか。Nadoo Bioで構造予測のジョブを一件追ってみます。入力を準備し、GPUの空きを確保し、計算を終えたファイルが結果画面に表示されるまでの話です。

一枚のGPUの中で構造予測、設計、ドッキングのジョブがそれぞれ領域を使い、一部に空きが残る図

ここで扱うのは、創薬研究に使う構造予測とタンパク質設計のモデルです。計算で候補を調べる助けになりますが、実際の効果は実験で確かめる必要があります。

モデルがGPUで動く理由

Boltz-2などの構造予測モデルは、入力をトークンに分けて計算します。タンパク質では通常アミノ酸一つが一トークン、リガンド(タンパク質に結合する小さな分子)では原子一つが一トークンです。モデルは個々のトークンだけでなく、二つのトークンの組み合わせ全体の関係も表にして計算します。トークン数が二倍になると、組み合わせは四倍になります。

これは、同じような掛け算と足し算を大量に繰り返す計算です。数千の演算装置が同時に働くGPUは、こうした処理をCPUよりはるかに速く行えます。ただし、計算中は大きな表をGPUメモリに保持する必要があり、必要量が空き容量を超えると、その設定では実行が難しくなります。

入力が大きくなるとメモリはどれほど増えるか

Nadoo Bioでは、ツールごとに入力サイズに応じたGPUメモリ使用量を実測し、実行の基準にしています。以下は2026年10月1日、NVIDIA RTX PRO 4000 Blackwell(24 GB)一枚で、公開構造PDB 1UBQ・4HHB・6M0J・6VXXとその配列を使って測定した値です。

残基は、タンパク質の鎖を構成するアミノ酸の単位です。メモリは実行中に観測したGPU使用量の最大値で、単位はGiB(1,024 MiB)です。時間はコンテナ起動から終了確認までで、準備時間を含みますがキューの待ち時間は含みません。測定ではCPUを4個分、システムメモリを16 GiBに制限しました。

Boltz-2の100・300・600・900・1,200トークンに対してGPUメモリが2.6・3.5・6.6・12.0・19.0 GiBに増加。約23.9 GiBの破線は測定装置の総メモリ

ツール

入力

最大GPUメモリ

実測実行時間

Boltz-2

100トークン

2.6 GiB

22秒

Boltz-2

600トークン

6.6 GiB

46秒

Boltz-2

1,200トークン

19.0 GiB

2分5秒

ProteinMPNN

793残基、8配列

0.8 GiB

8秒

ProteinMPNN

2,916残基、100配列

2.9 GiB

4分38秒

RFdiffusion

275残基

5.6 GiB

4分30秒

RFdiffusion

698残基

15.8 GiB

11分10秒

RFdiffusionの15.8 GiB・11分10秒も、一枚のRTX PRO 4000 Blackwellで合計698残基の入力を実行した値です。GPUの計算時間だけではなく、初期準備を含む2026年10月1日の測定値です。

Boltz-2はMSAなし、サンプル一つで測定しました。MSAは、同じ系統のタンパク質の配列を整列した資料です。MSAを加えたりサンプル数を増やしたりすると、使用量は変わります。

同じGPUでも、ツールと入力によって必要な資源は大きく異なります。

  • Boltz-2: トークン数が12倍(100から1,200)になると、メモリは7倍以上になりました。1,200トークンでは24 GB GPUの約80%を使います。

  • ProteinMPNN(構造に合う配列を設計するモデル):バッチサイズを1に固定した今回の測定では、同じ入力から生成する配列を8個から100個に増やしても最大メモリは変わりませんでした。代わりに実行時間が延びました。

  • RFdiffusion(新しいタンパク質の骨格を設計するモデル):長くなるほどメモリと時間が急増します。893残基の入力は最初の測定では15分の上限に達しましたが、翌日、コンパイルキャッシュを使った測定では776秒(約12分56秒)で完了しました。

キャッシュは、実行に必要なGPUコードを一度準備して再利用する仕組みです。RFdiffusionではこの準備に時間がかかり、キャッシュによって短縮されました。表は、特定の入力と環境で得た記録であり、すべての実行の予想時間ではありません。698残基について、キャッシュ適用後の時間はこの表からは分かりません。

こうした測定は、実行前の案内にも使います。例えばBoltz-2では、確認済みのトークン数とサンプル数の上限を計画の作成段階で検査し、超えていれば減らす項目を知らせます。すべてのメモリ不足を予測することはできませんが、確認できた範囲から案内することで試行錯誤を減らせます。

一件のジョブの流れ

計画の固定、キュー、ワーカーによる取得、隔離実行、検証と公開の五段階

1. 計画を固定する

実行計画には、入力ファイル、設定、使用するツールのバージョンをまとめて固定します。バージョンは実行環境を含むコンテナイメージの内容ハッシュで指定するため、同じ名前でも内容が違うイメージに置き換わることはありません。人が承認した計画だけを送信します。

2. キューで待つ

送信されたジョブはキューに入ります。GPUサーバーがすべて使用中でも受け付け、空きができると順に実行します。すぐに動くか、待つかは実行サーバーの状況で確認できます。エージェントではlist_execution_optionsから確認できます。

3. GPUサーバーのワーカーがジョブを取得する

各GPUサーバーでは、ワーカーというプログラムが動いています。自分のGPUに空きができると、Nadoo Bioサーバーにジョブを要求して取得します。サーバーから押し込む方式ではなく、空きのあるサーバーが仕事を受け取ります。Nadoo Bioサーバーがツールと入力サイズからメモリ予約量を計算し、ワーカーが必要な空きのあるGPUに割り当てます。

4. 隔離されたコンテナで実行する

各ジョブは、実行プロファイルで定められた資源とネットワークの制限の下、隔離されたコンテナで動きます。上記の測定ではCPUを4個、システムメモリを16 GiBに制限しましたが、割り当てはプロファイルによって異なります。ワーカーは進捗をサーバーに報告します。通信が途絶えた場合、サーバーは実行の有効期限を確認し、プラットフォーム障害として処理します。復旧とクレジット精算は実行経路と現在の方針に従います。通信が途絶えたことは、計算が完了した証拠にはなりません。

5. 結果を検証して公開する

結果ファイルは実行の試行ごとに別のフォルダーへ保存するため、再実行しても前のファイルと混ざりません。サーバーがファイルのハッシュを確認してから公開し、結果画面やエージェントで参照できるようになります。

一枚のGPUを複数のジョブで使う

今回の測定では、小さなProteinMPNNのジョブはGPUメモリを1 GiBも使いませんでした。このようなジョブに一枚を丸ごと割り当てると、多くのメモリが余ります。Nadoo Bioでは、測定の根拠がある入力範囲について余裕を含めたメモリを予約し、空きがあれば別のジョブも同時に実行します。測定範囲外のジョブには、一台の装置を丸ごと割り当てる場合もあります。

Boltz-2、RFdiffusion、ProteinMPNNがGPUメモリを分けて予約し、空きを残す概念図。領域の大きさは実際の予約量ではない

図はメモリを分けて使う考え方を示しています。メモリが余っていても、演算能力が同じ割合で余っているとは限りません。複数のジョブが同時に計算すると互いに影響し、単独実行より時間がかかる場合があります。

空き容量が予約量より小さければ、十分な空きができるまで待ちます。実行サーバーの状況に表示される「一台の装置で使える最大の空き」が、この容量です。

結果を見るときに

GPUでジョブが終わったことは、計算が終わったことを意味するだけです。構造信頼度などの指標は、モデルが予測をどの程度信頼しているかを示し、実際の結合や実験結果を保証しません。同じ計画を再実行しても、結果が少し異なることがあります。入力と設定は固定できても、モデルの計算にはランダム性があるためです。

結果画面では、構造と指標を確認して、次に比較する候補を選びます。Nadoo Bioは、どの入力とバージョンで計算したかも残します。後で振り返るときには、その記録が出発点になります。詳しい解釈は結果の読み方にまとめています。