Bristol Myers Squibb предоставила всем своим ученым доступ к самому мощному AI-суперкомпьютеру в исследовании лекарств

Ключевые моменты

• Bristol Myers Squibb (BMS) развертывает второй NVIDIA DGX SuperPOD на базе восьми стоечных систем Vera Rubin NVL72, что делает его самым мощным AI-кластером в области биологических наук.
• Новая система обеспечивает производительность в 10 раз выше на единицу электроэнергии по сравнению с заменяемым оборудованием.
• BMS предоставит каждому ученому компании доступ к системе без очередей и ограничений использования.
• BMS использует более ранний AI-суперкомпьютер около трех лет, сокращая недели исследований для определения мишеней лекарств и расширяя библиотеку молекул для борьбы с раком.
• Объединенная система позволит исследователям вводить запросы на простом английском языке, не требуя глубоких знаний в области компьютерных технологий.

Эрин Дэвис придумала новое название для вычислительной системы Bristol Myers Squibb: «SuperDuperPOD». Звучит это забавно. Наука, лежащая в основе этого, совсем не забавна.

BMS, одна из крупнейших фармацевтических компаний в мире, уже запускает один из самых мощных AI-вычислительных кластеров в индустрии биологических наук. На этой неделе, согласно сообщению NVIDIA, компания объявила о добавлении второго, еще более мощного кластера. Новая система построена на восьми модулях DGX Vera Rubin NVL72 — компьютерах размером в стойку, оснащенных GPU Rubin (специализированные чипы для интенсивных вычислений, необходимых AI) и CPU Vera (процессоры общего назначения, которые управляют общей нагрузкой).

Основной показатель: новый кластер обеспечивает в 10 раз большую производительность вычислений на мегаватт электроэнергии по сравнению с заменяемой системой. Это важно при разработке лекарств, потому что некоторые AI-прогнозы действительно масштабны и охватывают миллионы возможных молекул одновременно.

Но то, что больше всего волнует Дэвис, — это не чистая мощность. Это доступ.

«Вместо того чтобы оснащать небольшую группу исследователей доступом к суперкомпьютеру, мы открываем его буквально каждому ученому», говорит Дэвис, вице-президент BMS по исследованиям бизнес-аналитики и технологиям. «Никто не должен ждать, и никому не скажут, что у них есть лимит.»

Ранее территориальные ограничения, оставшиеся от прежних слияний компаний, означали, что многие исследователи вообще не могли легко получить доступ к системе. Новая установка объединяет лаборатории BMS во всем мире на единую платформу. Команда в Лоренсвилле, Нью-Джерси, и команда в Сан-Диего, Калифорния, будут использовать один и тот же пул данных и моделей. Исследователи смогут запускать сложные прогнозы, просто набирая вопрос на простом английском языке, вместо подачи официального запроса на вычисления.

Что это означает для пациентов, ожидающих новых лекарств?

Более быстрый доступ к вычислениям должен означать сокращение времени между научными идеями и тестируемыми кандидатами на лекарства. BMS потратила последние три года, используя свой первый AI-кластер для сокращения недель ручной работы по определению мишеней и для расширения библиотеки молекул, разработанных для расщепления белков, вызывающих рак. Паял Шет, старший вице-президент BMS по научным исследованиям терапии, описывает подход «Predict First»: ученые запускают AI-прогнозы вероятного поведения молекулы до того, как приступить к лабораторной работе по ее созданию. Это отсеивает тупики на ранней стадии и сосредоточивает дорогостоящие эксперименты на наиболее перспективных кандидатах.

Компания также разрабатывает то, что она называет агентными рабочими процессами, в которых AI-агенты (программное обеспечение, которое может выполнять многоэтапные задачи самостоятельно, включая поиск данных и запуск прогнозов в разных отделах) связывают обучение отдельных исследовательских программ. Каждый эксперимент, говорит Шет, теперь питает систему общего интеллекта, которая усиливается со временем. Такого не было в начале ее карьеры.

Мотивация Дэвис как профессиональна, так и личностна. Её отец умер от болезни Альцгеймера пять лет назад. BMS имеет значительные инвестиции в исследования здоровья мозга, области, которую она описывает как «чрезвычайно сложную». По её словам, вычислительные ресурсы — не цель. Это средство для достижения результата быстрее.

Объединенная система запускается с подробным планом нагрузки, уже составленным для проектирования малых молекул, проектирования больших молекул, клинических применений и цифровых двойников (компьютерное моделирование биологических процессов). «Мы купили это не только для того, чтобы иметь самые большие вычисления», говорит Дэвис. «Добро пожаловать в эпоху безграничных вычислений.»