Ångström AI

量子力学的な正確さで分子シミュレーションを実行し、ウェットラボ実験を代替する生成AIソリューション

有料api

概要

Ångström AIは、前臨床の創薬パイプラインにおけるウェットラボでの実験を代替するため、GenAI（生成AI）ベースの分子シミュレーションを構築しています。Ångström AIは、2人の博士号取得者と2人のケンブリッジ大学教授からなるチームで、物理学の量子精度モデルと生成AIモデルに関する研究の画期的な技術を組み合わせる方法を発見した後、共同で会社を立ち上げることを決意しました。Ångström AIのバイオテクノロジーおよび製薬業界の顧客は、ウェットラボ実験の正確性と一致しながらも100倍以上高速なコンピューターシミュレーションを使用して、新薬候補の有効性と安全性を検証しています。Ångström AIは、生成AIベースのシミュレーションが物理法則に従うように制約することで、他の生成AI技術で見られるハルシネーション（幻覚）を回避し、この正確性を達成しています。YCに参加して以来、Ångström AIは複数の分子が相互作用する初の物理的に正確な生成AIベースのシミュレーションを開発しました。Ångström AIは、ウェットラボ実験の誤差範囲内の正確性を備えた、初の分子の水溶性に関する結果を発表しました。Ångström AIはまた、創薬パイプラインにおける溶解度の推定に自社技術を適用するため、製薬会社と共同で15万ドルのパイロットプロジェクトを開始しました。

差別化ポイント

SchrödingerのFEP+は業界標準として高い精度を示す一方で計算速度が非常に遅いのに対し、Ångström AIはMACE（機械学習ベースの原子間ポテンシャル）技術により、精度を維持しながら速度を100倍以上に高めています。AlphaFoldがタンパク質の「静的構造」の予測を得意とするのに対し、Ångström AIは分子の「動的なエネルギー変化」を物理法則に基づいてシミュレーションする点で差別化されています。ただし、まだ市場導入の初期段階にあり、数十年にわたって検証されてきたSchrödingerの膨大な参照データには及ばない可能性があります。

主な機能

MACE物理モデルに基づく量子力学レベルの分子シミュレーション
ウェットラボ（Wet Lab）実験と比較して100倍以上の速度向上
新薬候補物質の水和自由エネルギー（Hydration-Free Energy）予測
薬物の生物学的利用能（バイオアベイラビリティ）に関する溶解度（Solubility）予測
前臨床段階の薬物有効性・安全性検証の自動化

メリット・デメリット

ウェブ検索で収集したユーザーの声をまとめたものです

メリット

MACEモデルの中核開発者であるケンブリッジ大学の教授陣が直接設立しており、技術的な信頼性が非常に高いです。単なるデータ学習ではなく、物理法則をAIモデル自体に組み込むこと（Equivariance）で、AIに固有の問題である非物理的な構造生成（ハルシネーション）を防いでいます。従来は8基のA100 GPUを使用して1週間を要していた計算を大幅に短縮し、研究開発サイクルを飛躍的に短くできる点が最大の利点として挙げられます。

デメリット

2024年設立のアーリーステージのスタートアップであるため、既存の商用ソフトウェアのように多様なワークフローと円滑に統合できるAPIや、直感的なGUIインターフェースの完成度が十分でない可能性があります。また、MACEモデルが、学習データに含まれていない非常に希少な元素や複雑な有機金属化合物の構造においても、同等の量子レベルの精度を一貫して示せるかについては、より広範な実証データが必要です。