JapanFold maintient les calculs de découverte de médicaments en open source au Japon

ai& et Tenstorrent ont lancé JapanFold le 3 septembre 2026, une plateforme de découverte de médicaments proposant des modèles de biologie structurale open source entièrement hébergés sur une infrastructure située au Japon. La plateforme fonctionne sur l’infrastructure souveraine d’ai& alimentée par les superclusters Galaxy de Tenstorrent, et les entreprises affirment que chaque calcul s’exécute dans le pays.

Les chercheurs japonais, les sociétés pharmaceutiques et les entreprises de biotechnologie peuvent accéder aux modèles à ce que les entreprises qualifient de fraction du coût des infrastructures cloud conventionnelles. ai& indique qu’elle prend en charge le coût de l’inférence, de sorte que les chercheurs, universités et instituts au Japon peuvent utiliser chaque modèle gratuitement. L’entreprise a présenté JapanFold comme son premier effort substantiel en IA pour la science.

Modèles et accès

JapanFold propose des modèles dans trois catégories. Pour la prédiction de structure et d’affinité de liaison, la plateforme propose Boltz-2, OpenFold3, ESMFold-2, OpenDDE, Protenix-v2, RoseTTAFold3, OpenBind-0 et Nesso-1. Pour la conception de médicaments de novo, elle propose BoltzGen, RFdiffusion 3 et PXDesign, qui couvrent l’ensemble du flux de travail, du pliage des protéines à la génération de candidats médicaments. ESMC et SaProt fournissent des embeddings protéiques pour les tâches en aval.

Les utilisateurs peuvent accéder à la plateforme de trois manières: un Workbench basé sur le navigateur qui ne nécessite ni installation ni inscription, un point d’accès HTTP API unique partagé par tous les modèles, et une compétence d’agent pour des outils tels que Claude Code, Cursor et Codex. L’API est asynchrone (les travaux sont soumis, interrogés et téléchargés une fois terminés) et, par défaut, sans clé, avec une clé Bearer optionnelle qui limite les travaux à un appelant individuel.

Comme le service public est une démonstration gratuite fonctionnant sur des ressources partagées, les entrées et la concurrence sont limitées, avec des plafonds par modèle tels que 1 024 résidus pour Boltz-2 et 576 pour OpenFold3, ainsi que des limites de débit et un budget de résultats. La documentation indique que la plateforme complète ne possède aucune de ces restrictions. Les résultats ne sont pas stockés de façon permanente: le service conserve les 1 000 travaux les plus récents et évince d’abord le plus ancien travail de l’appelant le plus actif dès que ce plafond ou une limite de stockage est atteint.

Exactitude et limites des modèles

ai& affirme qu’elle optimise et fournit chaque modèle JapanFold sur des processeurs Tenstorrent avec une exactitude 1 : 1, sans prime de coût, car les modèles s’échelonnent presque linéairement sur le matériel — doubler le nombre de processeurs double la production. Avant chaque version, la sortie de la plateforme est vérifiée pour la parité avec l’implémentation de référence officielle de chaque modèle, et un test de comparaison réussit lorsque le dispositif se situe à l’intérieur du bruit de référence « seed‑to‑seed », selon la documentation d’exactitude.

Cette documentation comporte également des mises en garde. Les contrôles de parité mesurent le port plutôt que la science sous‑jacente, comparant le dispositif à l’implémentation de référence sur la même entrée plutôt qu’aux structures expérimentales. Les poids d’OpenFold3 sont un point de contrôle préliminaire entraîné bien avant le programme complet d’AlphaFold3, de sorte que ses scores de confiance doivent être interprétés avant de faire confiance à une prédiction. Les points de contrôle d’OpenDDE correspondent à leur implémentation de référence, y compris la faiblesse de cette implémentation sur certaines cibles difficiles anticorps‑antigène.

Dans un article compagnon, les cofondateurs d’ai&, Shimpei Hara et David Bennett ont expliqué l’économie du calcul derrière le lancement. Les modèles de pliage sont limités par la capacité de calcul plutôt que par la bande passante mémoire comme les modèles de langage, ont-ils écrit, ce qui fait que la charge de travail favorise les puces conçues autour de l’arithmétique et de la mémoire intégrée. Ils ont indiqué qu’un Blackhole Galaxy atteint le débit d’un NVIDIA DGX B200 sur une protéine de 512 résidus pour environ un cinquième du prix d’achat — soit environ cinq fois le débit par dollar, en maintenant la charge de travail et la précision constantes — en se référant aux mesures de référence publiées du projet.

Matériel et les deux entreprises

Le serveur Tenstorrent Galaxy Blackhole de la plateforme intègre 32 ASIC Blackhole évalués à 23 pétaflops de calcul bloc FP8, avec 6,2 Go de SRAM accélérateur et 1 To de mémoire GDDR6, selon les spécifications matérielles de Tenstorrent. Le système refroidi par air en format 6U est proposé à 160 000 $, et une configuration de supercluster de quatre systèmes Galaxy Blackhole débute à 640 000 $.

« La communauté de recherche japonaise ne devrait jamais devoir choisir entre une IA de classe mondiale et la souveraineté de ses données », a déclaré David Bennett, PDG et cofondateur d’ai&, dans l’annonce du lancement. Il a affirmé que JapanFold élimine ce compromis.

« Tenstorrent fournit un calcul rapide et évolutif, et ai& possède l’ensemble de la pile au Japon », a déclaré Jim Keller, PDG de Tenstorrent. « Ensemble, nous en avons fait une plateforme que les chercheurs peuvent réellement utiliser avec JapanFold. »

ai& est une société technologique d’IA intégrée verticalement, fondée en mars 2026 et dont le siège se trouve à Yokohama, intégrant l’infrastructure de centre de données, le calcul hétérogène et les services de modèles en une plateforme unique. Tenstorrent, dirigée par Keller, conçoit des processeurs et systèmes d’IA basés sur RISC‑V pour les développeurs, les entreprises et les infrastructures souveraines, et a levé plus d’un milliard de dollars auprès d’investisseurs tels que Bezos Expeditions, Samsung, LG Electronics, Hyundai Motor Group et Fidelity. Les entreprises ont décrit le lancement de JapanFold comme la première étape d’un effort plus large visant à rendre l’infrastructure d’IA souveraine et open source disponible aux communautés de recherche scientifique de la région.