テンセントHyra 2.0がAI自律科学研究へ前進：モデルをゼロから訓練し、ロボットを設計し、さらには次世代AIの研究開発にも参加

動察 Beating AI 速報、テンセント混元は科学研究Agent Hyra 2.0を発表し、研究の重点を単一の難題に対する試行錯誤から、長期的に再利用可能な科学モデル、アルゴリズム、ツールの研究開発へと拡大した。

AIが数日から数週間にわたって研究を継続できるようにするため、Hyra 2.0は作業をOverall、Mission、Workerの3層のAgentに分担させ、それぞれリソース調整、研究計画、実験実行を担当する。タスクは永続的に保存され、訓練結果を待つ間も他の研究を進められる。各結論にはコードやログなどの証拠を添付する必要があり、必要に応じて独立したAgentにレビューを委ねる。有効な経験はSkillとして蓄積され、後続のタスクに活用される。

テンセントの開示によると、Hyra 2.0はすでに2種類のタンパク質モデルをゼロから訓練した。うち196万パラメータのHyInvは、目標骨格に基づいてタンパク質配列を設計でき、生成速度は一般的なProteinMPNNの57倍速い。単一のH20 GPUでのウォームアップテストでは、約400残基の配列を128本生成するのに約50ミリ秒しかかからない。もう1つのHyPLM-Flashは6.5億パラメータで、7260億の訓練トークンを使用した。両モデルの重み、推論コード、技術レポートはすべて公開されている。

Hyra 2.0はまた、オープンソースのRISC-Vプロセッサ「香山」の最適化にも参加し、SPEC CPU2006の1GHzあたりの性能を5.79%向上させ、チップ面積の増加はわずか0.3%にとどめた。

さらに、5本の指の長さが順に増える「旋梯手」も設計した。この手は当初、既存の最適設計より約11%遅かったが、同じ予算の制御アルゴリズムで訓練した後、シミュレーション上の回転速度は逆に28.6%速くなった。

現在、Hyra 2.0は次世代混元モデルの事前訓練、事後訓練、推論システムの最適化にも参加しており、AIが研究開発ツールを改善することで、より強力な次世代AIの訓練を支援することを試みている。