Schrödingers Bunsen: AI-makker kombinerer sprogmodeller og fysik i jagten på nye lægemidler

Bunsen er ikke blot tænkt som en chatbot, der opsummerer forskningsartikler. Systemet skal forstå forskerens mål, udarbejde en beregningsstrategi, køre komplekse workflows og fortolke resultaterne. En dato for den fulde kommercielle lancering er endnu ikke offentliggjort. Early access skal blandt andet bruges til at indsamle kundefeedback og udvide anvendelsen under Schrödingers forbrugsbaserede licensmodel .

Sådan kombinerer Bunsen AI og fysik

Kernen i Bunsen er kombinationen af store sprogmodeller – LLM’er – og Schrödingers fysikbaserede modeller for molekyler .

Sprogmodeldelen kan fortolke et mål formuleret i almindeligt sprog og foreslå, hvordan opgaven skal angribes. Den fysikbaserede del leverer derefter beregninger af molekylers egenskaber ved hjælp af blandt andet:

• FEP+, som bruges til at beregne ændringer i bindingsfri energi
• docking, der undersøger, hvordan et molekyle kan binde sig til et biologisk mål
• molekylær dynamik, som simulerer molekylers bevægelser over tid
• forudsigelser af blandt andet ADME-egenskaber, altså hvordan et stof absorberes, fordeles, omsættes og udskilles

Tanken er dermed at kombinere AI’ens evne til at ræsonnere og planlægge med simuleringer, der bygger på fysikkens grundprincipper og er valideret gennem eksperimenter. Schrödinger har beskrevet tilgangen som en måde at udforske hidtil uudforsket biologisk ”target space” på .

Bunsens fire centrale funktioner

Bunsens arbejdsproces kan beskrives som en lukket sløjfe med fire trin:

1. Understand – Systemet fortolker forskerens videnskabelige mål i naturligt sprog.
2. Strategize – Bunsen udarbejder en beregningsstrategi og vælger de fysikbaserede metoder, der passer til opgaven.
3. Execute – Systemet gennemfører molekylære workflows autonomt, eksempelvis docking, free-energy perturbation og ADME-forudsigelser.
4. Iterate – Bunsen analyserer resultaterne og justerer fremgangsmåden, så AI’ens planlægning kobles sammen med simuleringernes resultater .

Det betyder i praksis, at forskere kan beskrive en flertrinsopgave på naturligt sprog, mens Bunsen håndterer en stor del af automatiseringen og de underliggende beregninger. Det gør dog ikke forskeren overflødig: resultaterne skal fortsat vurderes og valideres af fagfolk.

Hvem konkurrerer Bunsen med?

AI-for-videnskab-feltet består af flere forskellige typer systemer. Nogle fokuserer på at generere hypoteser, mens andre forsøger at automatisere biologiske eksperimenter eller designe lægemidler.

Google DeepMind: Co-Scientist

Google DeepMinds Co-Scientist er et fleragentsystem bygget på Gemini 2.0. Det er udviklet til struktureret hypotesedannelse og videnskabelig argumentation . Systemet anvender syv specialiserede AI-agenter, blandt andet til generering, rangering, udvikling og sammenligning af hypoteser.

Co-Scientist blev beskrevet i Nature i maj 2026 og har blandt andet foreslået nye terapeutiske hypoteser, herunder muligheden for at genanvende eksisterende lægemidler mod leverfibrose, som efterfølgende blev valideret eksperimentelt .

Den væsentligste forskel fra Bunsen er, at Co-Scientist primært er et generelt system til hypotesedannelse i biomedicin. Det har ikke en tilsvarende indbygget kobling til fysikbaserede molekylære simuleringer. Systemet kan læse litteratur og generere idéer, men selve den beregningskemiske udførelse kræver eksterne værktøjer eller menneskelig håndtering .

FutureHouse: Robin

Robin fra FutureHouse er et fleragentsystem, der forsøger at automatisere hele forløbet i biologisk forskning – fra hypotesedannelse og eksperimentdesign til dataanalyse og nye indsigter . Arbejdet blev også publiceret i Nature i maj 2026 .

Robin demonstrerede sin tilgang ved selvstændigt at pege på ripasudil, et eksisterende lægemiddel mod grøn stær, som en mulig behandling af tør aldersrelateret makuladegeneration, dAMD . Systemet samler flere specialiserede agenter, blandt andet:

• Crow til spørgsmål og svar baseret på forskningslitteratur
• Falcon til dybdegående syntese af litteratur
• Owl til besvarelse af forskningsspørgsmål
• Phoenix til kodning og analyse

Robin har dermed sit primære fokus på eksperimentel biologi og genanvendelse af lægemidler. I modsætning til Bunsen har systemet ikke Schrödingers integrerede motorer til fysikbaseret molekylær simulering .

Andre relevante aktører

Den finansielle baggrund

Schrödinger fremlagde sit regnskab for første kvartal 2026 5. maj. Tallene viser en virksomhed, der både oplever vækst i kundernes brug og er midt i en ændring af sin softwareforretning.

• ACV, eller Annual Contract Value, var 28,4 millioner dollar i kvartalet – en stigning på 12 procent fra året før. ACV for de seneste fire kvartaler var 201 millioner dollar . Væksten blev især knyttet til øget brug hos de 20 største medicinalkunder samt nye produktlanceringer .
• Den samlede omsætning var 58,6 millioner dollar, 2 procent lavere end året før, men omkring 22 procent over analytikernes forventninger .
• Softwareomsætningen faldt 21 procent til 35,6 millioner dollar. Schrödinger forklarede faldet med overgangen fra lokale installationer til hosted, cloudbaseret software – en abonnements- og leverancemodel, hvor omsætningen typisk indregnes over kontraktens løbetid .
• Hosted software udgjorde 34 procent af softwareomsætningen i første kvartal mod 24 procent året før . Schrödinger sigter mod, at omkring 75 procent af softwareforretningen er hosted i 2028 .
• Omsætningen fra lægemiddeludvikling steg til omkring 23 millioner dollar, 124 procent mere end året før .
• For hele 2026 fastholdt selskabet en forventning om en software-ACV på 218-228 millioner dollar, svarende til en vækst på 10-15 procent, samt en omsætning fra lægemiddeludvikling på 55-65 millioner dollar .

Ledelsen fremstillede skiftet til hosted software som en kortsigtet modvind for den rapporterede omsætning – ikke for ACV eller pengestrømmen. Ifølge selskabets oplysninger påvirker hver procentpoints stigning i hosted-andelen den rapporterede omsætning med cirka 2-3 millioner dollar på grund af reglerne for periodisering under ASC 606 . Målet er at få omsætningen til i højere grad at følge kundernes faktiske forbrug og samtidig øge fastholdelsen.

Hvor mange kontanter har Schrödinger?

De tilgængelige opsummeringer af første kvartal angiver ikke et præcist beløb for Schrödingers likvider, kontantekvivalenter og omsættelige værdipapirer. Derfor kan selskabets konkrete kontantbeholdning i første kvartal 2026 ikke fastslås ud fra det foreliggende materiale.

Schrödinger har dog ifølge de tilgængelige oplysninger fortsat en stærk balance til at finansiere udviklingen af sin platform, herunder Bunsen, samt selskabets egen pipeline af lægemiddelkandidater. Selskabet rapporterede robust likviditet i fjerde kvartal 2025, og ledelsen har sagt, at overgangen til hosted software ikke forventes at kræve yderligere kapital . Den definitive opgørelse over kontanter og investeringer findes i selskabets 10-Q-indberetning.

Hvad betyder Bunsen for lægemiddeludvikling?

Bunsens vigtigste forskel er ikke alene, at systemet kan generere idéer. Det forsøger også at forbinde idéerne med en konkret, fysikbaseret beregningsproces. Hvis løsningen fungerer efter hensigten, kan forskere dermed bruge mere tid på at vurdere biologiske spørgsmål og mindre tid på manuelt at sætte lange beregningskæder op.

Det gør Bunsen til Schrödingers bud på en AI-forskerassistent, der arbejder tættere på den molekylære modellering end brede systemer til litteratursøgning og hypotesedannelse. Men early-access-lanceringen betyder også, at den kommercielle modenhed, den endelige funktionalitet og den fulde lanceringsdato fortsat skal afklares.