Bristol Myers Squibb kupuje fabrykę AI. Architektura Vera Rubin przyspieszy szukanie leków
Zamiast tysięcy probówek – kilometry światłowodów i osiem potężnych szaf sterowniczych. Bristol Myers Squibb (BMS) zainwestowało w system Nvidia DGX SuperPOD oparty na najnowszej architekturze Vera Rubin. To pierwszy przypadek w branży life sciences, gdy firma farmaceutyczna buduje tak zaawansowaną – i energooszczędną – infrastrukturę do projektowania nowych terapii.
To wdrożenie jest krytyczne, ponieważ tradycyjne metody odkrywania leków natrafiły na granicę wydajności. BMS tworzy obecnie największy klaster AI w swoim sektorze, wykorzystując 8 zestawów DGX Vera Rubin NVL72. Inwestycja ma jeden cel: skrócenie czasu, w jakim cząsteczka trafia z ekranu komputera do fazy badań na ludziach. Według danych firmy, automatyzacja już teraz skróciła ten proces o 20–30%, oszczędzając badaczom całe tygodnie żmudnej pracy nad walidacją celów terapeutycznych.
Filozofia Predict First: Cyfrowa selekcja zamiast błędów
Kluczem do strategii BMS jest podejście określane mianem —Predict First—. Tradycyjne procesy syntezy chemicznej pochłaniają fortunę i miesiące pracy. Dzięki nowemu systemowi naukowcy będą w stanie oceniać dziesiątki potencjalnych związków w czasie, który wcześniej pozwalał na analizę zaledwie kilku. —Nowe możliwości pozwoliły firmie przeanalizować znacznie większą liczbę potencjalnych kandydatów na leki we wczesnej fazie rozwoju— – wyjaśnia Robert Plenge, Chief Research Officer w BMS. Docelowo firma chce skrócić czas przygotowania leków aż o połowę.
Inwestycja w architekturę Vera Rubin ma również wymiar praktyczny w obszarze tzw. dużych cząsteczek. Predykcja ich struktur wymaga ogromnej mocy obliczeniowej, a nowa infrastruktura ma wyeliminować kolejki i ograniczenia w dostępie do zasobów. Przykład sukcesu? Eksperymentalna terapia anemii sierpowatej, która najprawdopodobniej w ogóle nie zostałaby odkryta bez wsparcia zaawansowanych algorytmów.
Efektywność mierzona w watach
W komunikacie Nvidia czytamy, że nowa architektura oferuje do 10 razy wyższą wydajność energetyczną w porównaniu do poprzednich generacji. To kluczowe, bo przy rosnącej skali modeli AI, rachunki za prąd stają się istotnym czynnikiem operacyjnym, o czym otwarcie mówi Greg Meyers, dyrektor ds. cyfryzacji w BMS.
Demokratyzacja laboratorium
Integracja nowej infrastruktury stworzy spójne środowisko obliczeniowe. Dane z laboratoriów w New Jersey mogą natychmiast służyć modelom trenowanym w San Diego. BMS planuje też wdrożenie interfejsów opartych na języku naturalnym. Dzięki temu chemik będzie mógł zlecić złożoną symulację, wpisując polecenie tekstowe, zamiast pisać kod. Mimo to, decydujący głos nadal należy do ludzi – system ma być wsparciem, nie zastępstwem dla ekspertów.
