Codex use case
タンパク質フォールディングモデルの探索
タンパク質フォールディングの仮説から、ベンチマークで評価する実験ループを構築します。
Codex の Goal モードを使用し、タンパク質フォールディング性能の向上を目指して、AlphaFold2 に対する新しいアーキテクチャ変更を研究・実装します。
最適な用途
- 自動採点可能なベンチマークを用いて、アーキテクチャ、損失関数、カリキュラムの変更を検討する計算生物学者
- 科学的根拠のある仮説を持ち、着想から実際に動作する実験用フォークまでの道のりを短縮したい研究者
- 継続的な実験追跡と反復的なデバッグが必要な、長期間の自動研究ループを運用する ML エンジニア
Contents
タンパク質フォールディングモデルの探索
タンパク質フォールディングの仮説から、ベンチマークで評価する実験ループを構築します。
Codex の Goal モードを使用し、タンパク質フォールディング性能の向上を目指して、AlphaFold2 に対する新しいアーキテクチャ変更を研究・実装します。
Codex の Goal モードを使用し、タンパク質フォールディング性能の向上を目指して、AlphaFold2 に対する新しいアーキテクチャ変更を研究・実装します。
最適な用途
- 自動採点可能なベンチマークを用いて、アーキテクチャ、損失関数、カリキュラムの変更を検討する計算生物学者
- 科学的根拠のある仮説を持ち、着想から実際に動作する実験用フォークまでの道のりを短縮したい研究者
- 継続的な実験追跡と反復的なデバッグが必要な、長期間の自動研究ループを運用する ML エンジニア
開始用プロンプト
タンパク質フォールディングのアーキテクチャ仮説の探究
タンパク質フォールディングの仮説を検証するために複数回の実装が必要な場合は、Codex の Goal モードを 使用します。Codex には、範囲を限定した科学的な方向性、動作する ベースライン、自動採点可能なベンチマークを与えます。Codex はアーキテクチャの フォークを実装し、実験を追跡して失敗を診断し、反復を 継続できます。その間、ユーザーはエビデンスをレビューできます。
この例は、ある具体的な問いから始まりました。AlphaFold2 形式のモデルは、トランクで 残基と残基ペアだけでなく、明示的な高次の位相的 オブジェクトも表現すれば、限られたデータから有用なタンパク質の幾何構造を より効率的に学習できるのでしょうか？
範囲を限定した実験の定義
AlphaFold2 の Evoformer 内ではすでに、強力なペアワイズ推論と三角形ベースの推論が 使われています。三角形演算によって辺の表現は改善されますが、出力は依然として ペアテンソルに書き戻されます。そこで科学者は、三角形面と四面体セルの永続的な 学習済み表現が、データの限られた環境で有用な 帰納バイアスとなり得るかを検証することを提案しました。
その成果として公開されたリポジトリ SimplexFold には、
疎な面状態 F_ijk と四面体状態 U_ijkl が、従来の
ペア表現 Z_ij と併せて追加されています。
MSA representation M
<-> pair / edge tensor Z_ij
<-> sparse face tensor F_ijk
<-> sparse tetra tensor U_ijkl
-> structure module
-> recycled geometry
loops back into the next passこのページのスタータープロンプト、最小限の AlphaFold2 形式のベースライン、 公開されている NanoFold ベンチマークから始めます。このベンチマークは、構造生物学の 実験に使える、小規模で厳選された固定データを用いた 自動採点可能な基盤です。最初の実装は、コストの高い学習を 実行する前に、対象を絞った単体テストとマイクロベンチマークで検証できる 規模に抑えます。
Goal モードによる探索の実行
- モデルに研究計画全体をゼロから考案させるのではなく、反証可能な高レベルの科学的仮説を提示します。
- ChatGPT で GPT-5.5 Pro を使用し、その方向性を、制約とアブレーションを明記した実装計画に落とし込みます。
- Codex に、実行可能な最小限の SimplexFold ベースラインを実装させ、対象を絞った単体テストとマイクロベンチマークで検証します。
- 作成したリポジトリを Codex の Goal モードに渡し、実験ログ、計画、アーティファクトへの参照を保持しながら、NanoFold ベンチマークにおける検証時の
lDDT-Cαを山登り法で向上させるよう指示します。 - Goal モードを継続的に実行し、ベンチマークのフィードバックを基に、アーキテクチャ、学習レシピ、実験ハーネスの改良を繰り返します。この例では、このループの実行時間は 150 時間を超えました。
現在の戦略と次のステップには PLAN.md を、結果の構造化ログには EXPERIMENTS.md を
使用し、随時更新するスクラッチパッドには EXPERIMENT_NOTES.md を使用します。
これらのアーティファクトにより、長期間の探索を監査できるようになり、次の反復の方向を
調整するための安定した場所も確保できます。
この探索では、実装、テスト、実験追跡、失敗診断、ベンチマークに基づく 反復的な改善が必要なため、Goal モードが役立ちます。方向付けのない自動研究は、 損失関数、オプティマイザー、ハイパーパラメーターなどの、よくある局所的変更へ 偏りがちでした。科学者が提示した簡潔なアーキテクチャ仮説により、Codex には有意義な 探索空間が与えられると同時に、実装をテストし、問題を診断して 改良する余地も残されました。
このワークフローは、科学者がループ内で方向付けを行うことで、エージェント型の科学的探索の 品質がどう変わるかを評価するチームにも役立ちます。
結果の例
このワークフローから生まれた SimplexFold は、 明示的な高次の単体状態を備えた実験的アーキテクチャです。ベンチマークログと併せて トポロジーをレビューし、各反復が引き続き 当初の科学的アイデアを検証していることを確認してください。
ここで得られる重要な教訓は、Codex がタンパク質フォールディングの問題を自律的に解決したということではありません。 このワークフローは、Goal モードが継続的な科学エンジニアリングの ループとしてどう機能するかを示しています。科学者が概念上の着想を提供し、Codex が 実装、実験、デバッグ、後続の探索からなるサイクルを短縮します。
有望な診断結果は、実装への道筋が機能することを示す証拠として扱い、 汎化の証明とは見なさないでください。エージェントの進行過程を定期的にレビューし、 局所的なハイパーパラメーター調整に陥った場合は、科学的に意味のあるアーキテクチャの問いへ 軌道修正します。結果を主張として示すのは、条件を揃えた公開検証での比較と 適切な反復試行を実施した後に限ってください。
