- Ключевые выводы
- Почему традиционные AI‑инструменты не спасают от дорогих провалов в разработке лекарств
- Что представля́ет собой LQM – Large Quantitative Model
- Интеграция LQM в Claude от Anthropic: как это выглядит на практике
- Кто уже пользуется такой технологией?
- Финансирование и руководство: кто стоит за проектом
- Сравнение с конкурентами: Chai Discovery и Isomorphic Labs
- Будущее AI‑моделей в науке: от чат‑бота к лабораторному помощнику
- Справка
Ключевые выводы
- SandboxAQ соединяет свои физически‑обоснованные большие количественные модели (LQM) с разговорным AI Claude от Anthropic, устраняя необходимость в специализированной инфраструктуре.
- Модель LQM способна выполнять квантово‑химические расчёты, симулировать динамику молекул и микрокинетику, предсказывая свойства соединений до начала экспериментов.
- Компания привлекла более 950 млн USD, глава правления – бывший CEO Google Эрик Шмидт, а клиенты – крупные фармацевтические и промышленные корпорации, ищущие быстрые пути к новым лекарствам и материалам.
Развитие AI‑моделей в научных областях часто сталкивается с «тесным местом» – сложным интерфейсом и требованием мощных серверов. SandboxAQ решил эту задачу, сделав мощные расчёты доступными через обычный чат.
Почему традиционные AI‑инструменты не спасают от дорогих провалов в разработке лекарств
Поиск одного пригодного молекулярного кандидата часто занимает 10 лет и стоит миллиарды долларов. Большинство стартапов предлагают более «умные» модели, но пользователю всё равно нужен мощный кластер GPU, чтобы их запускать. Это делает технологию доступной только крупным исследовательским центрам.
Если модель умеет предсказывать свойства, но её нельзя быстро задействовать, то экономия почти нулевая. Проблема «интерфейса» часто закрывается после того, как модель обучена, а в реальном мире пользователи сталкиваются с настройкой окружения, установкой зависимостей и долгой отладкой.
SandboxAQ заметил, что узкое место – не модель, а то, как к ней «подключаются» учёные. Поэтому команда сконцентрировалась на том, чтобы превратить тяжёлый научный движок в обычный онлайн‑чат, где пользователь просто задаёт вопрос на естественном языке.
Получилось «преобразовать» мощный вычислительный бэк‑энд в сервис, напоминающий разговор с виртуальным помощником, без необходимости устанавливать CUDA‑драйверы или арендовать облачные машины.
Что представля́ет собой LQM – Large Quantitative Model
LQM – это собственные модели SandboxAQ, построенные не на больших массивах текста, а на физических уравнениях и реальных лабораторных данных. Они «знают» законы квантовой химии, умеют решать уравнения Шредингера и проводить молекулярно‑динамические симуляции.
Три основных типа расчётов, которые поддерживает LQM:
- Квантово‑химические вычисления – предсказывают энергетические уровни, реакционную способность и спектры.
- Симуляция динамики молекул – показывает, как атомы двигаются во времени, что важно для стабильности соединения.
- Микрокинетика – моделирует ход химических реакций на молекулярном уровне, позволяя оценить скорость и эффективность процесса.
Все эти расчёты проводятся в «облаке» SandboxAQ, а пользователю нужен лишь ввод‑запрос, например: «Какой будет барьер активации у соединения X при температуре 310 K?».
Интеграция LQM в Claude от Anthropic: как это выглядит на практике
Anthropic разработала LLM Claude, способный вести длительные диалоги и понимать контекст. SandboxAQ подключил свои LQM‑модели к этому движку, создав слой «научного интеллекта» поверх обычного чат‑бота.
Сценарий использования выглядит так: исследователь открывает чат‑окно, пишет запрос о потенциальном ингибиторе, а система в реальном времени генерирует квантово‑химический расчёт, визуализирует результаты и предлагает оптимизацию молекулы.
Главное преимущество – отсутствие необходимости в локальном HPC. Всё происходит в инфраструктуре Anthropic, а пользователь получает ответ за секунды вместо часов ожидания в очереди на суперкомпьютер.
Кто уже пользуется такой технологией?
Клиенты SandboxAQ – крупные фармацевтические гиганты (например, Pfizer, Novartis) и индустриальные лидеры в области полупроводников, энергетики и материалов. Они часто сталкиваются с задачами, где стандартные пакеты (Gaussian, Schrödinger) «не дают» нужной точности или требуют длительной настройки.
По словам менеджера AI‑симуляций Надии Харен, пользователи приходят после того, как испробовали множество программ и всё ещё не смогли получить предсказуемый результат в реальном веществе. LQM + Claude дают «прямой» доступ к физическому моделированию без технической «мульти‑тулзы».
Эта модель уже помогла одной компании сократить время скрининга потенциальных каталитических материалов с 12 месяцев до 3 недель, а в фармацевтике ускорила подбор канд.‑молекул на стадии предварительного тестирования на 40 %.
Финансирование и руководство: кто стоит за проектом
SandboxAQ основана как спин‑офф Alphabet около пяти лет назад. В её совет директоров входит Эрик Шмидт – бывший CEO Google, человек, который видел развитие AI с самого начала. Компания привлекла более 950 млн USD из разных фондов, включая крупные венчурные фонды и стратегических инвесторов.
Помимо AI‑моделей для науки, SandboxAQ развивает кибер‑подразделение (AqtiveGuard), показывающее, что команда умеет сочетать несколько высокотехнологичных направлений.
Сравнение с конкурентами: Chai Discovery и Isomorphic Labs
Другие игроки, такие как Chai Discovery и Isomorphic Labs, делают ставку на более «мощные» модели и большую вычислительную мощность. Их подход схож в том, что они стремятся улучшить точность предсказаний, но они всё ещё требуют от пользователя настройку собственных кластеров.
SandboxAQ же ставит цель – «кто может реально пользоваться», делая упор на разговорный интерфейс. Это меняет тип клиента: теперь продукт доступен не только крупным R&D‑центрам, но и небольшим биотех‑командам, которым не хватает ИТ‑ресурсов.
Будущее AI‑моделей в науке: от чат‑бота к лабораторному помощнику
Если LQM + Claude работают успешно, следующей ступенью будет интеграция с реальными автоматическими реакторами и синтезаторами. Представьте, что вы задаёте запрос, система рассчитывает путь синтеза, а робот‑пипетка сразу же начинает готовить образец.
Такой сценарий может полностью изменить цикл «от идеи к прототипу» в фармацевтике, сократив годы разработки до месяцев.
Справка
SandboxAQ – компания‑стартап, основанная в 2018 году как спин‑офф Alphabet. Разрабатывает физически‑обоснованные AI‑модели (LQM) и кибер‑решения (AqtiveGuard). Привлекла более 950 млн USD, в совет директоров входит Эрик Шмидт.
Anthropic – исследовательская организация в сфере искусственного интеллекта, известна своей LLM Claude, способной вести длительные контекстные диалоги и быть безопасной для пользователя.
Claude – крупная языковая модель от Anthropic, оптимизированная под безопасный диалог и поддержка сложных запросов, включая интеграцию внешних вычислительных сервисов.
Large Quantitative Model (LQM) – тип AI‑модели, обученной на физических уравнениях и реальных экспериментальных данных, способной выполнять квантово‑химические расчёты, молекулярную динамику и микрокинетику.
Эрик Шмидт – сооснователь Google, бывший CEO (2001‑2011), ныне председатель правления SandboxAQ и известный инвестор в AI‑технологии.
Chai Discovery – AI‑стартап, ориентированный на поиск новых лекарств с помощью масштабных моделей, привлёк инвесторов из сектора биотехнологий.
Isomorphic Labs – подразделение Alphabet, разрабатывающее AI‑платформу для фармацевтики, получивший $600 млн инвестиций в 2025 году.
SandboxAQ показал, что реальное ускорение научных открытий начинается с простого диалога, а не только с более мощных алгоритмов. Если вы ищете способ быстро проверить гипотезу без покупки дорогих серверов – сейчас время попробовать разговорный AI в химии.
