Bristol Myers Squibb kupuje Nvidia DGX SuperPOD temeljen na Vera Rubin arhitekturi kako bi podržao primjenu umjetne inteligencije u otkriću i razvoju lijekova.
Farmaceutska kompanija navela je da će biti prva skupina u životnim znanostima koja stječe DGX SuperPOD temeljen na Vera Rubin. Nvidia je ovu arhitekturu predstavila ranije ove godine kao nasljednika svoje trenutne generacije sustava za AI računalstvo.
Proširenje računalnog kapaciteta
Nova klaster uključuje osam DGX Vera Rubin NVL72 sustava, pri čemu svaki sustav kombinira Nvidia Vera središnje procesorske jedinice i Rubin grafičke procesorske jedinice.
BMS će koristiti infrastrukturu za obuku vlastitih modela i izvođenje predikcija kroz svoje istraživačke programe. Sustav će podržati rad s spojevima, proteinima i drugim znanstvenim podacima.
Financijski uvjeti nisu objavljeni. Kupnja proširuje postojeću Nvidia infrastrukturu BMS-a, koja uključuje stariji SuperPOD koji su izvršni direktori kompanije opisali kao dva ili tri naraštaja iza Vera Rubin.
BMS koristi svoj postojeći DGX SuperPOD već oko tri godine. Kompanija planira spojiti ga s Vera Rubin sustavom u zajedničkom računalnom okruženju dostupnom iz istraživačkih lokacija širom svijeta.
SuperPOD softverski paket može zakazati obuku, predikciju i razvojne radne opterećenja kroz infrastrukturu. BMS je izjavio da će prošireno okruženje omogućiti većem broju znanstvenika direktan pristup računalnim resursima.
Greg Meyers, glavni digitalni i tehnološki direktor BMS-a, izjavio je da su računalni zahtjevi porasli dok kompanija implementira veće AI modele u svojoj istraživačkoj organizaciji.
Erin Davis, potpredsjednica za poslovne uvide i tehnologiju istraživanja u BMS-u, rekla je da postojeća infrastruktura radi na maksimumu. Ova potražnja pripisuje se velikim predikcijama koje uključuju velike molekule i razvoju unutarnjih temelja modela.
Davis je kazala da novi sustav neće biti ograničen na mali broj istraživača u računalstvu. BMS planira učiniti ga dostupnim kroz istraživačku organizaciju bez čekanja i ograničenja pristupa povezanih s trenutnom infrastrukturom.
Primjena AI u otkriću lijekova
BMS je izjavio da AI informira dizajn svakog programa malih molekula i većine programa velikih molekula. Tehnologija se primjenjuje na identifikaciju ciljeva, optimizaciju vodećih spojeva, predikciju velikih molekula i razvoj internih modela.
Kompanija je navela da je identificiranje ciljeva uz pomoć AI smanjilo neke manualne istraživačke radove za nekoliko tjedana. Radna opterećenja predikcije velikih molekula također doprinose potražnji za dodatnim kapacitetom grafičke obrade.
Robert Plenge, glavni istraživački direktor BMS-a, rekao je da će novi sustav omogućiti znanstvenicima da procijene više potencijalnih kandidata za lijekove tijekom ranih faza razvoja.
“Možda smo prije mogli obraditi 10, a sada možemo obraditi desetke,” rekao je Plenge.
Računalno filtriranje omogućuje istraživačima da procijene potencijalne spojeve prije nego što odaberu manju grupu za sintezu i laboratorijska ispitivanja.
BMS primjenjuje ovaj pristup kroz metodu koju naziva “Predict First,” koja koristi predikcije generirane modelom kako bi isključila molekule koje ne ispunjavaju potrebna svojstva prije nego što se kandidati odaberu za sintezu.
Payal Sheth, viša potpredsjednica za znanosti o terapijskom otkriću u BMS-u, rekla je da istraživači koriste predikcije za identifikaciju molekula s potrebnom kombinacijom svojstava.
“Koristimo predikcije kao način prioritiziranja sinteze molekula s višestrukom optimizacijom,” rekla je Sheth. “To osigurava da su dragocjeni laboratorijski eksperimenti usklađeni s napredovanjem molekula koje imaju najveću vjerojatnost uspjeha.”
