Bunsen Schrödingera: AI jako współnaukowiec w poszukiwaniu nowych leków

Połączenie modeli językowych z fizyką molekularną

Bunsen łączy duże modele językowe (LLM) z podstawą technologiczną Schrödingera, czyli modelowaniem molekularnym opartym na fizyce. Wykorzystuje m.in. dokowanie molekularne, FEP+ — obliczenia perturbacji energii swobodnej — oraz symulacje dynamiki molekularnej .

Warstwa językowa interpretuje cel badacza opisany zwykłym językiem i planuje kolejne etapy pracy. Silnik fizyczny wykonuje natomiast obliczenia dotyczące właściwości molekuł, korzystając z metod, których wyniki były sprawdzane eksperymentalnie. W założeniu takie połączenie rozumowania AI z obliczeniami opartymi na zasadach pierwszych ma pomóc naukowcom badać dotąd słabo poznane obszary biologicznych celów terapeutycznych .

To istotna różnica względem systemów, które przede wszystkim przeszukują literaturę i generują hipotezy. Bunsen ma być osadzony bezpośrednio w obliczeniowym procesie projektowania molekuł, a nie tylko dostarczać pomysłów do dalszej pracy człowieka.

Cztery funkcje Bunsen

Praca systemu opiera się na zamkniętej pętli obejmującej cztery etapy:

1. Understand — zrozumienie: Bunsen interpretuje cel naukowy badacza opisany w języku naturalnym.
2. Strategize — planowanie strategii: system dobiera strategię obliczeniową i metody fizyczne odpowiednie dla danego problemu.
3. Execute — wykonanie: autonomicznie uruchamia kolejne elementy procesu odkrywania molekuł, takie jak dokowanie, perturbacja energii swobodnej czy prognozowanie ADME — absorpcji, dystrybucji, metabolizmu i wydalania związku.
4. Iterate — iteracja: analizuje wyniki i modyfikuje podejście, tworząc pętlę między rozumowaniem AI a rezultatami symulacji .

Dzięki temu badacz może opisać wieloetapową kampanię obliczeniową za pomocą języka naturalnego, a Bunsen zajmuje się automatyzacją przepływu pracy oraz wykonaniem obliczeń molekularnych.

Kto konkuruje z Bunsen w AI dla nauki?

Google DeepMind — Co-Scientist

Co-Scientist to wieloagentowy system AI oparty na Gemini 2.0, którego zadaniem jest generowanie hipotez i uporządkowane rozumowanie naukowe . Badania nad nim opublikowano w czasopiśmie Nature w maju 2026 roku . System wykorzystuje siedmiu wyspecjalizowanych agentów, m.in. do generowania, oceniania i rozwijania hipotez, którzy wzajemnie konfrontują pomysły i je udoskonalają.

Co-Scientist przedstawił m.in. nowe hipotezy terapeutyczne, w tym pomysły dotyczące zmiany zastosowania istniejących leków w leczeniu włóknienia wątroby, które następnie poddano walidacji eksperymentalnej .

Najważniejsza różnica polega na zakresie działania. Co-Scientist jest ogólnym narzędziem do generowania hipotez biomedycznych. Nie integruje natywnie silników fizycznych symulacji molekularnych, dlatego wykonanie obliczeń z zakresu chemii obliczeniowej wymaga dodatkowych narzędzi lub udziału badaczy .

FutureHouse — Robin

Robin firmy FutureHouse to wieloagentowy system przeznaczony do prowadzenia całego procesu odkrywania w biologii. Obejmuje on generowanie hipotez, projektowanie eksperymentów, analizę danych i formułowanie kolejnych wniosków w jednym ciągłym przepływie pracy . Badania nad Robin również opublikowano w Nature w maju 2026 roku.

System zademonstrował swoje możliwości, wskazując ripasudil, istniejący lek stosowany w leczeniu jaskry, jako obiecującego kandydata w terapii suchej postaci zwyrodnienia plamki związanego z wiekiem (dAMD) . W jego architekturze działają wyspecjalizowane podagenty, m.in. Crow do pytań dotyczących literatury, Falcon do pogłębionej syntezy informacji, Owl do odpowiadania na pytania oraz Phoenix do kodowania i analizy .

Robin koncentruje się przede wszystkim na biologii eksperymentalnej i zmianie zastosowania leków, a nie na chemii obliczeniowej. W przeciwieństwie do Bunsen nie ma zintegrowanych silników symulacji molekularnych opartych na fizyce .

Inni ważni gracze

Wyniki Schrödingera i finansowe tło premiery

Wyniki za pierwszy kwartał 2026 roku, opublikowane 5 maja, pokazały jednocześnie wzrost wartości kontraktów i koszt przechodzenia na model usług hostowanych w chmurze.

• ACV (Annual Contract Value, roczna wartość kontraktów) wyniosła w kwartale 28,4 mln dolarów, czyli o 12 proc. więcej niż rok wcześniej. Wartość ACV z ostatnich czterech kwartałów wyniosła 201 mln dolarów . Wzrost napędzały większe wykorzystanie platformy przez 20 największych klientów farmaceutycznych oraz wdrożenia nowych produktów .
• Łączne przychody wyniosły 58,6 mln dolarów, o 2 proc. mniej rok do roku, ale były około 22 proc. wyższe od konsensusu analityków .
• Przychody z oprogramowania spadły o 21 proc., do 35,6 mln dolarów. Schrödinger wiązał ten spadek z przyspieszeniem przejścia z licencji instalowanych lokalnie na model hostowany, czyli SaaS .
• Udział oprogramowania hostowanego wzrósł do 34 proc. przychodów z oprogramowania, wobec 24 proc. rok wcześniej. Firma zakłada, że do 2028 roku udział ten wyniesie około 75 proc. .
• Przychody z odkrywania leków wzrosły o 124 proc. rok do roku, do około 23 mln dolarów .
• Prognoza na cały 2026 rok zakłada ACV z oprogramowania na poziomie 218–228 mln dolarów, czyli wzrost o 10–15 proc., oraz przychody z odkrywania leków w wysokości 55–65 mln dolarów .

Dlaczego przejście do chmury obniża raportowane przychody?

Zarząd przedstawiał migrację z licencji on-premise do usług hostowanych jako krótkoterminowe obciążenie dla raportowanych przychodów, ale nie dla ACV ani przepływów pieniężnych. W modelu hostowanym przychody są rozpoznawane w czasie trwania umowy, a nie jednorazowo przy sprzedaży licencji. Z tego powodu każdy wzrost udziału usług hostowanych o 1 pkt proc. może wpływać na bieżące raportowane przychody o około 2–3 mln dolarów w związku z zasadami ASC 606 .

Strategicznym celem zmiany jest lepsze dopasowanie rozpoznawania przychodów do faktycznego wykorzystania platformy przez klientów oraz zwiększenie ich retencji.

Ile gotówki ma Schrödinger?

Dostępne podsumowania wyników za pierwszy kwartał 2026 roku nie podają konkretnej kwoty środków pieniężnych, ekwiwalentów gotówki ani papierów wartościowych pozostających w posiadaniu firmy. Na ich podstawie nie można więc wiarygodnie wskazać dokładnego stanu gotówki.

Materiały spółki i omówienia wyników wskazują jednak na silną pozycję bilansową, która ma wspierać dalszy rozwój platformy — w tym Bunsen — oraz własny portfel projektów terapeutycznych. Dla precyzyjnych danych dotyczących gotówki i inwestycji krótkoterminowych za pierwszy kwartał 2026 roku właściwym źródłem pozostaje raport 10-Q. Schrödinger informował wcześniej o wysokiej płynności i oceniał, że przejście na model hostowany nie będzie wymagało pozyskania dodatkowego kapitału .

Co naprawdę zmienia Bunsen?

Bunsen nie jest po prostu kolejnym chatbotem do przeszukiwania publikacji naukowych. Jego wyróżnikiem ma być połączenie językowego interfejsu i autonomicznego planowania z narzędziami, które wykonują rygorystyczne symulacje molekularne. Jeśli system sprawdzi się w programie wczesnego dostępu, badacze będą mogli prowadzić większą liczbę równoległych analiz, szybciej odrzucać słabe kierunki i skupiać się na najbardziej obiecujących cząsteczkach.

Na razie jest to jednak etap wczesnego dostępu, a nie zapowiedź całkowitego zastąpienia chemików czy biologów. Pełna data komercyjnej premiery Bunsen pozostaje nieznana, podobnie jak szczegółowe wyniki wykorzystania systemu przez klientów.