아마존웹서비스(AWS)가 생성형 단백질 설계 모델 ‘볼츠젠(BoltzGen)’을 아마존 세이지메이커 AI(Amazon SageMaker AI) 위에서 구동하는 방법을 공개했다. 볼츠젠은 특정 생체분자 표적에 결합할 수 있는 단백질과 펩타이드를 확산(diffusion) 방식으로 설계하는 올아톰(all-atom) 생성 모델로, 골격 구조 생성부터 역단백질 폴딩, 구조 검증, 후보 순위화까지 여러 단계의 그래픽처리장치(GPU) 연산을 거쳐야 한다.
AWS에 따르면 4개 GPU를 갖춘 인스턴스에서 1000개 샘플 규모의 설계 캠페인을 수행하면 약 375시간이 걸리며, 이 과정에서 CUDA 환경 구축과 GPU 인스턴스 수명주기 관리, 단계 간 데이터 파이프라인 구성, 장시간 작업 실패 복구 등 상당한 운영 부담이 발생한다. 세이지메이커 AI는 작업 제출 후 GPU 인스턴스를 자동으로 프로비저닝해 컨테이너 안에서 볼츠젠을 실행하고, 결과를 아마존 S3에 기록한 뒤 처리가 끝나면 인스턴스를 반납한다. 초 단위 과금 방식이라 유휴 GPU 비용이 발생하지 않으며, AWS는 ml.g4dn.xlarge 인스턴스에서 2시간 설계 작업을 수행할 경우 온디맨드 요금 기준 약 1.5달러가 든다고 설명했다.
이번 구현은 빠른 검증에 적합한 세이지메이커 처리 작업(processing job) 방식과, 생성·역폴딩·폴딩·분석·필터링 5단계로 구성돼 단계별 결과를 캐싱하는 세이지메이커 파이프라인(Pipeline) 방식 두 가지 실행 모드를 지원한다. 설계 단계가 전체 연산 비용의 약 90%를 차지하는 만큼, 파이프라인 모드는 각 단계의 출력을 S3에 7일간 캐싱해 필터링 매개변수만 바꿔 반복 실험할 때 값비싼 설계 생성 단계를 다시 돌리지 않도록 한다. 인스턴스 유형은 저비용 T4 GPU 기반의 ml.g4dn부터 엔비디아(NVIDIA) L40S GPU를 탑재한 ml.g6e까지 다양하게 선택할 수 있다.
AWS가 공개한 예시 실행 결과에서는 100개 설계안 중 구조 정확도 기준(재폴딩 RMSD 2.5옹스트롬 이하 등)을 충족한 3개만 최종 필터를 통과했으며, 각 설계안은 결합 신뢰도를 나타내는 예측 구조 신뢰도(pTM)·계면 예측 신뢰도(ipTM) 점수와 구조적 정확도, 결합 계면 면적 등 지표로 순위가 매겨졌다. AWS는 이 같은 관리형 GPU 인프라와 단계별 캐싱, 초 단위 과금이 학계 연구소와 바이오 스타트업, 제약 연구개발(R&D) 조직이 <a href=”https://www.storium.io/b49-running-comfyui-workflows-on-amazon-sagemaker-ai-process/”>인프라 운영 부담 없이 대규모 생성형 AI 워크로드를 세이지메이커에서 처리하는 흐름</a>과 맞닿아 있으며, 설계 사양만 바꾸면 소규모 검증부터 수만 개 규모의 실제 캠페인까지 동일한 구성으로 확장할 수 있다고 강조했다.
