Claude Science beta publik

 (claude.com)
1 poin oleh GN⁺ 4 jam lalu | 1 komentar | Bagikan ke WhatsApp
  • Claude Science adalah aplikasi beta publik yang dibuat agar peneliti ilmu hayati dapat melanjutkan alur kerja dari menjalankan analisis, menelusuri basis data, prapemrosesan data, hingga penulisan hasil dalam satu workbench
  • Gambar, tabel, dan notebook menyimpan kode yang dihasilkan, lingkungan eksekusi, dan riwayat percakapan sehingga nantinya dapat direproduksi, diperbaiki, dan diverifikasi
  • Berjalan di notebook lokal, perangkat Linux, node login HPC, dan VM cloud, serta mendukung pengiriman dan pengelolaan pekerjaan melalui SSH, Slurm, dan Modal
  • Ditujukan untuk genomik, sel tunggal, proteomik, biologi struktural, dan kimia informatika, serta dapat terhubung ke lebih dari 60 basis data ilmiah dan alat NVIDIA BioNeMo
  • Dapat digunakan di macOS dan Linux dengan paket Pro, Max, Team, dan Enterprise, tetapi karena ini aplikasi beta, peninjauan dokumentasi dan pengaturan admin diperlukan sebelum penerapan di organisasi

Workbench Claude untuk riset ilmiah

  • Claude Science bukan model baru, melainkan aplikasi beta publik, dan menggunakan model Claude yang sudah ada dalam paket pengguna
  • Bagian yang baru ditambahkan adalah alat ilmiah di sekitar Claude, koneksi basis data, dan integrasi komputasi, sehingga seluruh analisis dapat dijalankan di infrastruktur pengguna
  • Tersedia untuk macOS dan Linux, dan halaman tersebut memandu unduhan untuk masing-masing sistem operasi
  • Tujuannya adalah menyatukan basis data ilmiah, alat riset, ELN, model protein dan struktur, serta HPC ke dalam satu workbench riset

Hasil yang dapat direproduksi dan alur peninjauan

  • Claude Science dapat menampilkan protein, struktur, molekul, dan lainnya secara native, serta memungkinkan hasil dilacak hingga ke kode yang dihasilkan
  • Gambar, tabel, dan notebook menyimpan informasi berikut
    • Kode persis yang menghasilkan hasil tersebut
    • Lingkungan eksekusi
    • Percakapan yang menghasilkan hasil tersebut
  • Hasil yang tersimpan dapat direproduksi, diedit, dan dipertahankan bahkan beberapa bulan kemudian
  • Protein, alignment, track genomik, struktur kimia, dan PDF dapat diperiksa dalam format native tanpa instalasi tambahan
  • Reviewer latar belakang menandai sitasi yang salah, angka yang tidak bisa ditelusuri, dan gambar yang tidak sesuai dengan kode dasarnya
  • Pengguna dapat menambahkan anotasi pada gambar untuk meminta revisi atau mengajukan pertanyaan, dan agen akan membaca kode yang membuat gambar tersebut lalu memperbaikinya secara langsung
  • Penulisan hasil analisis dapat dilakukan sambil melihat pratinjau Markdown dan LaTeX yang telah dirender

Komputasi dan lingkungan eksekusi

  • Mengelola lingkungan eksekusi yang diperlukan untuk setiap analisis, dan lokasi eksekusi bisa berupa notebook, perangkat Linux, atau node login HPC
  • Setelah menulis skrip batch, pengguna dapat mengirim dan mengelolanya melalui SSH ke mesin sendiri atau klaster HPC, atau menjalankan pekerjaan dengan akun Modal
  • Lokasi instalasi dapat disesuaikan dengan tempat data berada
    • Notebook
    • Perangkat Linux lab
    • Node login HPC
    • VM cloud
  • Dapat digunakan dengan terhubung dari browser
  • Pekerjaan dijalankan di kernel lokal, klaster Slurm melalui SSH, atau akun Modal
  • Variabel, dataframe, dan model yang dimuat tetap berada di memori sepanjang analisis sehingga pekerjaan berulang bisa dilakukan lebih cepat

Pekerjaan per domain ilmu hayati

  • Claude Science mendukung genomik, sel tunggal, proteomik, biologi struktural, kimia informatika, dan lainnya, serta dapat membaca literatur dan melakukan kueri ke lebih dari 60 basis data ilmiah
  • Contoh penggunaan utama meliputi
    • Analisis single-cell RNA-seq: mengelompokkan dan memberi anotasi jutaan sel dari seluruh jaringan, menemukan gen penanda permukaan, dan melacak setiap gambar hingga ke kode yang dihasilkannya
    • Analisis filogenetik dan evolusi: melakukan alignment ortholog, inferensi pohon maximum likelihood, dan pemetaan filogenetik residu fungsional dalam satu sesi yang dapat direproduksi
    • Pekerjaan struktur protein dan model bahasa: mengambil struktur prediksi, menambahkan domain dan varian klinis, lalu menjelajahinya secara interaktif dalam 3D
    • Kimia informatika dan desain molekul: menelusuri data bioaktivitas, menghitung properti dan kemiripan, serta menggambar atau menyunting struktur di sketsa 2D
  • Pipeline dapat disimpan sebagai skill yang bisa digunakan ulang, dan alat pilihan lab dapat dihubungkan sebagai connector agar dipakai otomatis di sesi berikutnya
  • Menyediakan indication dossier yang sepenuhnya memiliki atribusi sumber, dan sedang memperluas set skill yang membentuk dasar setiap program

Koneksi dengan stack lab yang sudah ada

  • Connector membawa API internal, ELN, dan pipeline kustom ke dalam workflow sehingga Claude Science dapat bekerja bersama alat yang sudah digunakan lab
  • Workflow Python, R, dan shell yang sudah ada tidak perlu dibuat ulang dari awal; cukup dibaca, dijalankan, dan diperluas
  • Alat ilmiah, platform, dan model terbuka khusus domain dapat dipasang sebagai skill atau connector
  • Alih-alih menggantikan alat tertentu, Claude Science berperan sebagai workbench terintegrasi tempat berbagai alat spesialis dapat bekerja bersama

Koneksi model, alat, dan data

  • Melampaui tingkat asisten AI umum yang hanya membahas biologi, Claude Science mendukung eksekusi pipeline, penjelajahan basis data ilmiah, orkestrasi pekerjaan klaster, dan pelacakan riwayat sesi sebelumnya
  • Aplikasi ini mencakup specialist analisis untuk genomik, sel tunggal, proteomik, biologi struktural, kimia informatika, dan lainnya
  • Dapat terhubung secara native ke model terbuka khusus domain dan lebih dari 60 basis data ilmiah
  • Menggunakan skill BioNeMo Agent Toolkit dari NVIDIA untuk terhubung ke model dan pustaka ilmu hayati BioNeMo
    • Contoh yang termasuk adalah Evo 2, Boltz-2, dan OpenFold3

Lokasi data dan verifikasi

  • Aplikasi Claude Science berjalan di infrastruktur pengguna, dan dataset mentah serta komputasi tetap berada secara lokal
  • Konten yang termasuk dalam prompt dan respons model diproses sesuai kebijakan retensi standar Anthropic
  • Kebutuhan tiap tim dapat didiskusikan melalui kontak penjualan
  • Semua output mencakup informasi berikut
    • Kode persis yang digunakan untuk membuatnya
    • Lingkungan eksekusi
    • Penjelasan teks biasa tentang pekerjaan yang dilakukan
    • Percakapan yang menghasilkan hasil tersebut
  • Reviewer latar belakang menandai klaim yang tidak dapat ditelusuri ke bukti sebelum hasil ditampilkan

Paket, diskon laboratorium, dan penerapan enterprise

  • Claude Science adalah aplikasi beta yang tersedia di macOS dan Linux untuk paket Pro, Max, Team, dan Enterprise
  • Pengguna Team dan Enterprise harus diaktifkan terlebih dahulu oleh admin
  • Diskon laboratorium Claude Team plan for research labs mencakup akses ke aplikasi Claude Science
    • Ditujukan untuk laboratorium riset ilmiah aktif di institusi akademik dan lembaga riset nirlaba
    • Prioritas mencakup laboratorium riset biomedis dan sains dasar serta hard sciences seperti kimia, matematika, ilmu komputer, dan fisika
    • Kelayakan diverifikasi melalui kepala laboratorium
  • Perusahaan komersial, organisasi riset kontrak, dan tim R&D industri sebaiknya melihat Team and Enterprise plans
  • Paket Enterprise menyediakan SSO, provisioning SCIM, peran kustom, dan analitik penggunaan
  • Karena masih berstatus beta, admin harus meninjau dokumentasi sebelum penerapan
  • Dokumentasi membahas instalasi, koneksi alat dan komputasi, serta pengaturan admin Team dan Enterprise

Bacaan terkait

1 komentar

 
GN⁺ 4 jam lalu
Opini Hacker News

  • Saya membuat Biomni HPC, salah satu alat koneksi yang disertakan dalam rilis ini, dan sudah cukup lama berkutat dengan masalah ini. Saya juga pernah bekerja di Anthropic, tetapi bukan mengerjakan produk ini
    Seperti komentar lain, ini memang untuk data science, tetapi bisa melakukan lebih banyak daripada membuat grafik dan menulis makalah. Ini terintegrasi dengan berbagai database dan alat komputasi, termasuk klaster institusi milik peneliti
    Itu saja sudah sangat bernilai. Saya mengalami masalah ini di startup bioteknologi lalu mendirikan startup, dan integrasi alat serta database seperti ini sulit dan memakan waktu. Bahkan kalau hasil dari produk ini hanya membangun API yang bagus untuk LLM, dampak positifnya akan besar. Banyak database yang dipakai dalam genomika komputasional masih hanya bisa diakses lewat FTP
    LLM sangat cocok untuk menjelajahi alat dan database seperti ini. Ada banyak tugas sederhana yang sangat terspesialisasi, tetapi cocok ditangani dengan keterampilan yang dipelajari dalam konteks. Melihat para bioinformatikawan yang dulu menjadi pelanggan saya mulai memecahkan masalah ini dengan LLM adalah alasan saya bergabung dengan Anthropic pada 2024
    Selain itu, pola ini pada dasarnya tidak terikat hanya pada data science. Di beberapa bidang sains, ini juga bisa diintegrasikan dengan laboratorium basah atau CRO, dan sekarang saya menghabiskan waktu untuk hal itu
    Sains dengan cara seperti ini tidak akan menyelesaikan semuanya, tetapi berguna di area tertentu. Misalnya, banyak riset penyakit langka berjalan lambat bukan karena kurangnya terobosan mendasar, melainkan karena bottleneck perhatian peneliti
    https://x.com/phylo_bio/article/2029233694775624096
    Sebagai perbandingan, produk sains OpenAI, Prism, pada dasarnya lebih mirip editor LaTeX yang didapat dari akuisisi Crixet

    • Saya penasaran apa bedanya ini dengan menyertakan atau mengonfigurasi berbagai teknologi agen. Atau apakah inti produk ini adalah menggabungkan banyak default yang berguna
    • Pendekatan menghubungkan AI langsung ke sumber data bisa jauh lebih rumit daripada menerima kode untuk dijalankan langsung secara lokal
      Harus memenuhi kebijakan institusi, regulasi yang berlaku, persyaratan akses dan penyimpanan data seperti repositori data NIH, dan mungkin juga perlu kontrak hukum antara institusi dan penyedia AI. Setidaknya untuk saat ini, ini masih sulit disentuh
    • Saya penasaran bagaimana proses verifikasinya untuk menyaring halusinasi LLM dalam pekerjaan seperti ini
    • Suatu hari nanti saya ingin melihat visualisasi yang jauh lebih baik di Claude Science. Bukan hanya grafik sederhana atau struktur protein/kimia, melainkan adegan berbasis threejs dan shader yang terasa edukatif. Akan keren jika banyak makalah dalam tinjauan literatur memiliki fitur seperti ini
    • Saya pernah mengintegrasikan Biomni ke ruang kerja cerdas: https://blog.codesolvent.com/2025/07/ai-assistant-with-biome...
      Kalau tertarik, kita bisa mengobrol

  • Hal paling menarik di sini adalah Claude Science menjalankan server lokal dan UI berbasis web yang terhubung ke server itu dari browser
    Ini cukup berbeda dari struktur seperti Claude Code atau Cowork, yang UI-nya lebih erat terikat ke mesin host sehingga memungkinkan fitur seperti penggunaan komputer
    Saya rasa strateginya bisa dipahami. Sebagian besar lingkungan farmasi yang terhubung ke data menarik sangat terkunci rapat, jadi MacBook tidak bisa begitu saja dihubungkan ke data sumber
    Demikian pula, akses ke dataset biobank genomik skala besar seperti UK Biobank atau NIH All of Us hanya diizinkan melalui platform analisis data jarak jauh yang disebut Trusted Research Environment (TRE), dan biasanya akses internetnya juga dibatasi. Menjalankan aplikasi desktop tidak mudah, tetapi lingkungan seperti ini umumnya mendukung menjalankan JupyterLab atau VS Code lalu melakukan tunneling UI ke pengguna akhir. Dulu saya memimpin tim yang membuat TRE All of Us
    Claude Science lebih mudah dibayangkan bukan sebagai mega-aplikasi Claude yang melakukan semuanya, melainkan sebagai bentuk yang menyalakan server di dalam lingkungan data terbatas seperti ini dan hanya mem-proxy UI ke browser pengguna. Poin ini akan penting agar diadopsi di lingkungan R&D farmasi
    Namun bagi ilmuwan komputasional tingkat menengah yang memakai RStudio, JupyterLab, dan VS Code setiap hari, Claude Science bisa terasa seperti produk yang cukup asing. Saya penasaran apakah ini akan menggantikan alat meja kerja data science yang sudah ada, dipakai berdampingan, atau pada akhirnya menjadi pembungkusnya

    • Dari sudut pandang saya yang banyak melakukan pekerjaan bernuansa sains komputasional, kombinasi Claude Code dan pustaka data Python standar sangat kuat dan sangat mempercepat alur kerja
      Saya analis data di perusahaan geologi yang menangani data sensor menarik, dan ketika butuh analisis cepat atau visualisasi, Claude bisa menulis dalam beberapa menit kode yang kira-kira butuh satu jam bagi saya untuk merapikannya. Fakta bahwa saya cukup memahami pustaka terkait untuk membaca dan memverifikasi kodenya adalah perbedaan penting dibanding memakai AI black box secara membabi buta
      Namun saat ini Claude Code dan Jupyter di VS Code tidak cocok. Setiap kali Claude melakukan perubahan, ia membuat seluruh notebook dijalankan ulang dari awal. Jadi saya mundur selangkah dari notebook, membiarkan Claude menulis skrip mandiri, lalu menghabiskan waktu setelahnya untuk menggabungkannya kembali menjadi notebook yang rapi
    • Saya setuju ini arsitektur yang menarik, tetapi saya tidak begitu yakin bagaimana ini akan bekerja di server yang sangat dikontrol
      Jika tidak bisa terhubung dari Mac, kemungkinan besar agen di server juga tidak akan diizinkan mengirim permintaan

  • Saya mencoba melihat hasilnya di bidang saya, yaitu desain komputasional biopestisida berbasis RNAi
    Saya memintanya membuat desain yang menargetkan transkrip DvSnf7 dari kumbang akar jagung barat dalam sekali jalan, dan pendekatannya cukup naif. Caranya seperti yang mungkin dilakukan mahasiswa PhD tahun pertama, tetapi tugasnya sendiri berhasil dikerjakan
    Ia juga menunjukkan keterbatasan seperti penggunaan aturan desain untuk mamalia atau pemeriksaan off-target yang terbatas. Tidak terlalu buruk, tetapi juga tidak hebat. Ketika saya menunjukkan cacatnya, AI menilai bahwa ia sebenarnya bisa tahu lebih banyak dan melakukan pendekatan yang lebih baik. Setelah itu sistem keamanan Opus 4.8 menandai sesi tersebut

    • Kalau menurut Anda ini benar-benar bisa dipakai untuk dampak positif, sebaiknya Anda atau institusi/perusahaan Anda mendaftar ke program bio OpenAI dan Anthropic
    • Sekarang leluconnya seolah tercipta dengan sendirinya
      Saya sarankan mengumpulkan 10 makalah inti tentang topik ini dan 10 buku teks umum di bidangnya, mengubahnya menjadi teks biasa lewat OCR atau ekstraksi teks, lalu mencoba tugas yang sama dengan harness agen yang lebih baik seperti omp.sh
      /goal set create biopesticide targeting the DvSnf7 transcript of western corn rootworm
      Jangan sampai membuat kesalahan

  • Saat mendengar “Science”, saya tidak mengira maksudnya data science, tetapi UI yang penuh kode pandas dan grafik memang terlihat seperti itu
    Bahkan jika fokusnya pada bidang sains, mengingat tampilannya seperti Jupyter Notebook 2.0, ini mungkin bagian yang kurang bernilai dari pengumuman tersebut
    Kasus penggunaan memahami visualisasi data sebagai gambar selama ini diabaikan, dan LLM terbaru juga makin mampu melakukan exploratory data analysis yang layak. Meski begitu, mungkin saya harus memperbarui CV

    • Banyak bidang ilmu alam dan ilmu sosial memakai kode matplotlib yang seadanya untuk membuat hasil dan visualisasi, tetapi tidak selalu menyebutnya data science
      Dari yang pernah saya lihat, kapan pun saya akan memilih kode yang dihasilkan Claude dibanding kode yang ditulis orang matematika, fisika, biologi, atau linguistik. Saya juga pernah melihat Claude membuat kesalahan sangat besar saat analisis data, tetapi kemungkinan ia sudah lebih dapat diandalkan daripada kebanyakan akademisi yang menulis kode
    • Berdasarkan videonya, sepertinya yang lebih dibayangkan adalah bioinformatika. Bergantung definisinya, itu bisa masuk di bawah payung data science, tetapi biasanya tidak disebut begitu
      Jenis sainsnya ditentukan oleh materi yang ditangani, bukan oleh rantai alatnya
    • Mereka juga menyebut hal-hal seperti visualisasi protein dan struktur kimia
    • Semua produk baru seperti ini mulai terlihat seperti materi propaganda program luar angkasa Soviet. Saya tidak tahu apakah benar-benar ada sesuatu yang baru

  • Sebelum LLM, kelompok-kelompok teknologi yang saya ikuti aktif berdiskusi tentang topik apa yang sebaiknya dipakai kapan dan untuk apa, dan menurut saya diskusi seperti itu melahirkan banyak framework dan alat dengan pola pikir “sepertinya ide yang cukup bagus, jadi tidak ada ruginya diimplementasikan”
    Sayangnya, sekarang semuanya berputar di sekitar LLM, dan yang dibicarakan hanya cara membuat LLM bekerja dengan satu atau lain cara. Topik awal yang menjadi alasan kelompok-kelompok itu dibentuk untuk berdiskusi hampir tidak dibahas lagi
    Saya khawatir sains akan segera mengalami hal yang sama. Alih-alih topik yang benar-benar perlu dibahas, pembicaraan tentang LLM bisa mengambil alih

    • Sudah ada ratusan miliar dolar yang masuk ke LLM
      Kalau aset yang ada tidak bisa dimanfaatkan dengan cara apa pun, return on invested capital tidak akan terlihat bagus
      Ini bukan argumen pro, hanya berarti pada akhirnya para eksekutif harus menjawab kepada pemegang saham yang melihat metrik imbal hasil seperti itu
    • LLM pada umumnya tidak terlalu berguna, dan orang-orang mulai menyadarinya

  • Sepertinya pengumuman ini membuka Claude Desktop untuk Linux: https://code.claude.com/docs/en/desktop-linux

    • Sayangnya distro berbasis Arch tidak didukung. Saya penasaran kenapa tidak dikemas sebagai Flatpak

  • Saya pernah memakai alat-alat serupa dan meski mengesankan, LLM terlalu sering membuat data palsu tetapi meyakinkan lalu berpura-pura itu nyata
    Bahkan ada manipulasi cukup mendalam seperti menyiapkan konektor basis data tiruan agar tampak seolah-olah mengambil data dari tempat yang benar, padahal sebenarnya memakai data sintetis
    Saya penasaran bagaimana produk ini mencegah hal itu

  • Bukankah ini perusahaan yang, ketika masuk ke biosains, membuat LLM seperti model yang rusak moralnya?

  • Saya penasaran apakah ini semacam Claude Cowork untuk sains, yaitu produk untuk pengguna yang kurang akrab dengan teknologi
    Ilmuwan dengan latar belakang coding mungkin lebih suka memakai Claude Code secara umum dan mengintegrasikannya dengan stack pilihan sendiri, tetapi kenyamanan dan kemudahan pakai Claude Science mungkin pada akhirnya menang

    • lebovic sudah menjawab, tetapi ini bukan sekadar Claude Cowork; khususnya ada koneksi dan fitur terkait klaster HPC
      Saya bisa membayangkan tim laboratorium nasional tempat saya dulu bekerja mengintegrasikan ini ke sistem mereka dan sepenuhnya berhenti memakai Claude Code

  • Sepertinya namanya seharusnya Claude-bio-big-bucks
    Bagaimana dengan ilmu kebumian, fisika, dan teknik? Semua konektor dan teknologinya hanya untuk biologi dan farmasi

    • Kalau ingin perusahaan yang berfokus menghasilkan uang tidak hanya menyasar ilmu hayati, cukup danai semua bidang lain dengan skala yang mirip dengan uang yang digelontorkan ke ilmu hayati
      Berdasarkan kondisi sebelum Trump, anggaran tahunan NSF sekitar 6–8 miliar dolar, sedangkan anggaran tahunan NIH sekitar 50 miliar dolar. Itulah perbedaannya