Tencent laat AI zelf gereedschap bouwen voor eiwitonderzoek en wiskunde

Het Chinese techbedrijf Tencent heeft een nieuwe versie gepresenteerd van Hyra, een AI-systeem dat zelfstandig onderzoek doet. Hyra geeft niet alleen antwoord op een vraag, maar bedenkt zelf experimenten op de computer, voert ze uit, beoordeelt de uitkomst en doet daarna een betere poging. De eerste versie verscheen in juli 2026 en richtte zich vooral op betere oplossingen voor losse problemen, zoals wiskundige puzzels en het zo dicht mogelijk inpakken van vormen.

Met Hyra 2.0, die Tencent op 2 november aankondigde, verandert het doel. Hyra moet nu gereedschap achterlaten dat later opnieuw te gebruiken is, vooral getrainde AI-modellen voor wetenschappelijk werk. Een volgend project hoeft dan niet bij nul te beginnen. Om onderzoek van dagen of weken aan te kunnen, verdeelt Hyra 2.0 het werk over drie lagen: de bovenste verdeelt de rekenkracht, de middelste maakt per opdracht een plan en de onderste voert de experimenten uit.

Openbare modellen voor eiwitten en moleculen

Een deel van dat gereedschap staat sinds 2 november op GitHub, de site waar programmeurs code met elkaar delen. Het gaat om de modellen zelf, de code om ze te gebruiken en technische rapporten. Iedereen mag ze gebruiken, ook voor commercieel werk.

Het eerste model, HyInv, helpt bij het ontwerpen van eiwitten. Een eiwit is een keten van bouwstenen, aminozuren, die zich vanzelf opvouwt tot een vaste vorm. Die vorm bepaalt wat het eiwit doet. Wie een nieuw eiwit wil maken, bijvoorbeeld voor een medicijn, begint vaak bij de gewenste vorm en zoekt dan een volgorde van bouwstenen die precies zo opvouwt. HyInv stelt zulke volgordes voor. Onderzoekers willen vaak duizenden voorstellen vergelijken voordat ze er een paar in het lab maken, dus snelheid telt.

Volgens Tencents eigen rapport maakt HyInv 128 voorstellen voor een eiwit van ongeveer 400 bouwstenen in 0,05 seconde. ProteinMPNN, een veelgebruikt programma voor hetzelfde werk, doet daar op dezelfde chip bijna 3 seconden over: HyInv is 57 keer zo snel. Tencent controleerde de kwaliteit met programma's die voorspellen hoe een eiwit opvouwt. In die tests kwamen de voorstellen van HyInv gemiddeld iets beter uit op de gewenste vorm dan die van ProteinMPNN.

Het tweede model, HyPLM-Flash, is een taalmodel voor eiwitten. Een taalmodel voor tekst leert welke woorden in een zin bij elkaar passen. Dit model leert op dezelfde manier van 2,6 miljard bestaande eiwitten welke bouwsteen op welke plek past. Onderzoekers gebruiken zo'n model bijvoorbeeld om te voorspellen of één andere bouwsteen een eiwit beter of slechter laat werken. Volgens Tencent presteert HyPLM-Flash even goed als vergelijkbare modellen van andere makers, terwijl het met minder gegevens is getraind: van sommige concurrenten maar een vijfde tot een achtste. Dat scheelt rekentijd en dus geld.

Later op 2 november kwamen er nog vijf modellen bij, samen HyFF genoemd. Ze voorspellen hoe atomen elkaar aantrekken en afstoten. Daarmee kun je op de computer nabootsen hoe moleculen bewegen, zonder elke stap met zware natuurkundige berekeningen uit te rekenen. Volgens Tencent is het snelste model van de vijf ongeveer even nauwkeurig als het vergelijkbare model UMA-S-1.2 van een andere maker, maar 29 keer zo snel.

Twee wiskundige resultaten

Tencent publiceerde ook twee wiskundige artikelen. De eerste versie van beide bewijzen kwam van HyProver, een ander AI-systeem van Tencent dat wiskundige bewijzen opstelt. Wiskundigen van de Tongji-universiteit in Shanghai hebben die bewijzen daarna gecontroleerd, verbeterd en herschreven, en staan als auteurs op de artikelen. Een van hen, Kaiwen Yang, werkt ook voor Tencent. De volgende stap is dat wiskundigen buiten deze groep de bewijzen beoordelen.

Het eerste artikel gaat over een vermoeden van de wiskundige Petty. Op een plat vlak kun je drie punten neerzetten die allemaal even ver van elkaar liggen: de hoeken van een gelijkzijdige driehoek. Petty vermoedde dat je in elke ruimte altijd één punt meer zo kunt plaatsen dan de ruimte dimensies heeft: drie punten in twee dimensies, vier in drie, enzovoort. Dat zou ook gelden als je afstand anders meet dan met een liniaal, bijvoorbeeld door de stappen langs de rechte straten van een stratenplan op te tellen. Voor drie en vier dimensies was dat al bewezen, de laatste keer in 2005. Het nieuwe artikel bewijst het voor vijf dimensies: daar zijn altijd zes van zulke punten te vinden.

Het tweede artikel weerlegt een vermoeden van Shing-Tung Yau, een van de bekendste meetkundigen ter wereld. Yau vermoedde dat elke gesloten, overal bolvormig gekromde ruimte een draaisymmetrie heeft: je kunt hem op een nette manier laten ronddraaien, zoals een bol om zijn as. Om zo'n vermoeden te weerleggen, is één ruimte genoeg waarvoor het niet klopt. Die hebben de wiskundigen en HyProver gevonden, in zeven dimensies. Voor een strenger omschreven soort ruimtes blijft de vraag nog open.

Hyra helpt ook aan Tencents volgende AI-model

Tencent heeft een eigen groot taalmodel, Hy. De eerste versie van Hyra draaide op Hy3, het huidige model uit die reeks. Tencent zei bij de start van Hyra al dat nieuwe Hy-modellen en Hyra samen zouden groeien. Volgens Tencent helpt Hyra 2.0 nu mee aan de volgende generatie van Hy, zowel bij het trainen als bij het sneller laten werken van het model. Een beter Hy-model kan dan weer een betere Hyra opleveren. De resultaten van dit werk komen volgens Tencent later op GitHub.

Verder meldt Tencent dat Hyra 2.0 een nieuwe manier heeft bedacht om quantumcomputers tegen fouten te beschermen. Quantumcomputers rekenen met qubits, en die maken snel fouten. Daarom verdeel je de informatie over een grotere groep qubits, zodat een fout te herstellen is. Qubits zijn moeilijk en duur om te bouwen, dus hoe meer van die groep je echt kunt gebruiken om mee te rekenen, hoe beter. In Hyra's ontwerp blijven van 488 qubits er 123 over om mee te rekenen, ongeveer één op de vier. Volgens Tencent scoort het ontwerp daarmee zo'n 48 procent hoger dan de vorige koploper op een openbare ranglijst van de Unitary Foundation, een stichting die open software voor quantumcomputers steunt. Tencent heeft dit ontwerp nog niet op GitHub gezet.

De volgende stap: narekenen

De snelheids- en kwaliteitscijfers komen uit Tencents eigen tests. Omdat de modellen voor eiwitten en moleculen openbaar zijn, kunnen andere onderzoekers ze nu zelf testen. De code van Hyra zelf deelt Tencent niet, en ook niet hoe het werk precies verliep. Daardoor kan niemand van buiten zien hoeveel mensen hebben meegeholpen, bijvoorbeeld bij het kiezen van de problemen en het uitzoeken van de beste resultaten, merken de AI-nieuwssites AlphaSignal en remio op. De openbare modellen laten wel zien wat er is opgeleverd. Hoe zelfstandig Hyra dat deed, kan Tencent later nog laten zien.

Wat betekent dit voor de weg naar de singulariteit?

Hyra 2.0 laat zien hoe AI kan meewerken aan wetenschappelijk onderzoek en daarbij gereedschap oplevert waar andere onderzoekers meteen mee aan de slag kunnen. De eiwitmodellen zijn nu voor iedereen te gebruiken, en twee wiskundige resultaten zijn door wiskundigen gecontroleerd en herschreven.

Het meest vooruitstrevende deel is de aankondiging dat Hyra meehelpt aan het model waarop latere versies van Hyra kunnen werken. Zo'n kringloop, waarin AI helpt om betere AI te maken, beschreef een groep van 22 onderzoekers, onder wie de AI-pioniers Geoffrey Hinton en Yoshua Bengio, eind september 2026 in een onderzoeksstuk dat verscheen via een AI-programma van de Universiteit van Cambridge. Volgens hen kan zo'n kringloop jaren aan vooruitgang terugbrengen tot maanden. Ze vroegen overheden om bij te houden hoe ver bedrijven hun eigen AI-onderzoek al automatiseren. Bij Tencent is die kringloop nog een aankondiging. De resultaten die het bedrijf op GitHub belooft, laten straks zien hoe ver hij al is.

Wat is de technologische singulariteit? Lees de uitleg →