Hogar
Bristol Myers Squibb adquiere la plataforma de inteligencia artificial de Nvidia para acelerar el descubrimiento de medicamentos
Bristol Myers Squibb ha adquirido un DGX SuperPOD de Nvidia impulsado por la arquitectura Vera Rubin para acelerar las aplicaciones de inteligencia artificial en su pipeline de descubrimiento y desarrollo de medicamentos.
El gigante farmacéutico será la primera organización de ciencias de la vida en implementar un DGX SuperPOD basado en Vera Rubin, la última arquitectura de computación para IA de Nvidia, presentada a principios de este año como sucesora de las generaciones anteriores.
Ampliación de la capacidad de computación
El nuevo clúster consta de ocho sistemas DGX Vera Rubin NVL72, donde cada unidad a escala de rack integra las unidades centrales de procesamiento (CPU) Vera y las unidades de procesamiento gráfico (GPU) Rubin de Nvidia.
BMS utilizará esta infraestructura para entrenar modelos propietarios y ejecutar predicciones en sus iniciativas de investigación, apoyando el trabajo con compuestos, proteínas y otros conjuntos de datos científicos.
Los detalles financieros de la transacción siguen sin revelarse. La adquisición complementa la infraestructura existente de Nvidia de BMS, que incluye un SuperPOD más antiguo que los ejecutivos señalaron que está dos o tres generaciones por detrás de Vera Rubin.
BMS ha operado su actual DGX SuperPOD durante aproximadamente tres años. La empresa tiene la intención de integrarlo con el nuevo sistema Vera Rubin en un entorno de computación unificado accesible desde sus centros de investigación globales.
La pila de software SuperPOD gestionará las cargas de trabajo de entrenamiento, predicción y desarrollo en toda la infraestructura. Según BMS, esta configuración ampliada otorgará un acceso directo más amplio a los recursos de computación para un mayor número de científicos.
Greg Meyers, director de tecnología y transformación digital de BMS, declaró que la demanda de computación ha aumentado a medida que la empresa implementa modelos de IA más grandes en toda su organización de investigación.
Erin Davis, vicepresidenta de información empresarial de investigación y tecnología en BMS, señaló que la infraestructura existente está operando a plena capacidad. Atribuyó esta demanda a predicciones a gran escala que involucran moléculas complejas y al desarrollo de modelos fundamentales internos.
Davis enfatizó que el nuevo sistema no estará restringido a un pequeño grupo de investigadores computacionales. BMS planea ponerlo a disposición de toda la organización de investigación, eliminando los tiempos de espera y las restricciones de acceso del sistema actual.
Aplicación de la IA en el descubrimiento de medicamentos
BMS informó que la IA ahora informa el diseño de todos los programas de moléculas pequeñas y la mayoría de sus programas de moléculas grandes. La tecnología se aplica a la identificación de objetivos, la optimización de candidatos líderes, las predicciones de moléculas grandes y el desarrollo de modelos internos.
La empresa declaró que la identificación de objetivos habilitada por IA ha reducido los esfuerzos de investigación manual en varias semanas. Las cargas de trabajo de predicción de moléculas grandes también están impulsando la necesidad de capacidad adicional de procesamiento gráfico.
Robert Plenge, director de investigación de BMS, dijo que el nuevo sistema permitirá a los científicos evaluar más candidatos potenciales a medicamentos durante las etapas iniciales de desarrollo.
“Quizás antes podíamos hacer 10 y ahora podemos hacer docenas”, dijo Plenge.
La criba computacional permite a los investigadores evaluar compuestos potenciales antes de seleccionar un subconjunto más pequeño para la síntesis y las pruebas de laboratorio.
BMS emplea este enfoque mediante un método llamado “Predict First” (Predecir Primero), que utiliza predicciones generadas por modelos para excluir moléculas que no cumplen con las propiedades requeridas antes de que se seleccionen candidatos para la síntesis.
Payal Sheth, vicepresidenta senior de ciencias del descubrimiento terapéutico en BMS, dijo que los investigadores utilizan estas predicciones para identificar moléculas con la combinación deseada de propiedades.
“Utilizamos las predicciones como una forma de priorizar la síntesis de moléculas con optimización multivariable”, dijo Sheth. “Esto asegura que los valiosos experimentos de laboratorio estén alineados con el avance de moléculas que tienen la mayor probabilidad de éxito”.
Este método reduce el número de compuestos enviados a pruebas de laboratorio, permitiendo a los investigadores centrar sus experimentos en moléculas que cumplen con los requisitos previstos del programa.
BMS también ha utilizado la IA para ampliar su biblioteca de compuestos CELMoD, diseñados para degradar selectivamente proteínas que causan cáncer. La empresa está estudiando estos compuestos en cánceres de la sangre y otras enfermedades.
BMS declaró que el trabajo de modelado ayudó a los investigadores a examinar objetivos proteicos adicionales y compuestos potenciales antes de decidir qué candidatos perseguir experimentalmente.
La empresa también está utilizando herramientas de IA para reducir el tiempo necesario para producir medicamentos para ensayos clínicos. Plenge dijo que el proceso ya se ha reducido entre un 20 % y un 30 %, y podría alcanzar el 50 % en los próximos años.
Citó un tratamiento experimental para la anemia falciforme en etapas tempranas de desarrollo clínico como ejemplo de investigación respaldada por IA. Plenge dijo que es probable que el tratamiento no se hubiera descubierto sin las herramientas de IA de la empresa.
Estas cifras se refieren al tiempo necesario para identificar y producir candidatos para pruebas clínicas, en lugar de su rendimiento posterior en los ensayos.
El sistema Vera Rubin también brindará a los investigadores acceso al Kit de herramientas de agentes BioNeMo de Nvidia para aplicaciones biológicas y de descubrimiento de medicamentos.
BioNeMo proporciona herramientas para la predicción de la estructura de proteínas, la generación molecular, el acoplamiento molecular, el análisis de secuencias y la genómica. También puede conectar varias herramientas computacionales dentro del mismo flujo de trabajo de investigación.
Los ejecutivos de BMS enfatizaron que los investigadores humanos continuarán revisando las salidas de los modelos y decidirán qué compuestos o programas deben avanzar.
Conexión de los centros de investigación
BMS está introduciendo herramientas diseñadas para reducir el conocimiento especializado necesario para iniciar tareas de computación complejas. La empresa dijo que los investigadores podrán iniciar algunas solicitudes de predicción utilizando instrucciones en lenguaje natural.
El entorno será gestionado a través de Nvidia Mission Control, que se encarga del aprovisionamiento del clúster, la monitorización de la infraestructura y la gestión de cargas de trabajo, según BMS.
La infraestructura unificada permitirá que los datos y las salidas de modelos generados en un sitio sean utilizados por equipos en otros lugares. BMS señaló que los conjuntos de datos de un programa en Lawrenceville, Nueva Jersey, por ejemplo, pueden incorporarse a los modelos utilizados por investigadores en San Diego.
Sheth dijo que el entorno compartido tiene como objetivo retener la información de los experimentos y programas de investigación en toda la organización.
“La infraestructura de computación es lo que conecta a todos nuestros científicos y asegura que nuestros aprendizajes se institucionalicen”, dijo Sheth.
Los dos SuperPODs operarán a través de un entorno de datos común, permitiendo que los equipos en diferentes sitios accedan a conjuntos de datos compartidos y salidas de modelos. BMS declaró que el entorno incluirá información de experimentos, resultados clínicos y asociaciones de investigación.
La empresa planea asignar la nueva capacidad de computación entre el diseño de moléculas pequeñas y grandes, la investigación clínica y las aplicaciones de gemelos digitales. BMS no proporcionó detalles sobre el trabajo de gemelos digitales planificado ni la cantidad de capacidad asignada a cada área.
Meyers dijo que el sistema Vera Rubin proporcionará más capacidad de computación en relación con su consumo eléctrico. BMS y Nvidia declararon que el clúster de ocho sistemas ofrecerá hasta 10 veces el rendimiento por megavatio de la infraestructura que reemplaza.
“Cuando alojas estas cosas, tienes que pagar una factura de electricidad”, dijo Meyers. “Piensa en ello como 10 veces más capacidad de computación por vatio gastado… La electricidad no se está abaratando”.
BMS no proporcionó una fecha específica de implementación ni identificó dónde se alojará el nuevo sistema.
Ver también: Las agencias de salud pública de EE. UU. probarán modelos de IA de OpenAI y Anthropic
¿Quieres saber más sobre IA y grandes datos de líderes de la industria? Consulta la AI & Big Data Expo que se celebrará en Ámsterdam, California y Londres. El evento integral es parte de TechEx y se celebra junto con otros eventos tecnológicos líderes, incluida la Cyber Security & Cloud Expo. Haz clic aquí para obtener más información.
AI News está impulsado por TechForge Media. Explora otros próximos eventos y seminarios web de tecnología empresarial aquí.
Artículo relacionado
Anthropic presenta Sonnet 5.5 como un socio de trabajo más rápido y económico
En medio de la continua competencia entre modelos de IA, Anthropic ha lanzado la última iteración de Sonnet, su oferta de gama media, prometiendo una velocidad sustancialmente mejorada y costos más bajos en comparación con la versión anterior.Anthro
La aplicación Meta AI sube al puesto número 5 en la App Store tras el lanzamiento de Muse Spark
La aplicación de inteligencia artificial de Meta ha experimentado un aumento significativo en las descargas tras el lanzamiento del miércoles de su último modelo de IA, Muse Spark. Este es el primer lanzamiento de un modelo bajo Alexandr Wang, direct
El director general de DeepMind insta a que se realicen pruebas de modelos de IA bajo la dirección de EE. UU.
Demis Hassabis, cofundador y director ejecutivo de Google DeepMind. Crédito: Demis Hassabis/LinkedInEl director ejecutivo de Google DeepMind, Demis Hassabis, destaca los peligros de la inteligencia ar
Recomendaciones de temas especiales relacionados
comentario (0)
0/500
Bristol Myers Squibb ha adquirido un DGX SuperPOD de Nvidia impulsado por la arquitectura Vera Rubin para acelerar las aplicaciones de inteligencia artificial en su pipeline de descubrimiento y desarrollo de medicamentos.
El gigante farmacéutico será la primera organización de ciencias de la vida en implementar un DGX SuperPOD basado en Vera Rubin, la última arquitectura de computación para IA de Nvidia, presentada a principios de este año como sucesora de las generaciones anteriores.
Ampliación de la capacidad de computación
El nuevo clúster consta de ocho sistemas DGX Vera Rubin NVL72, donde cada unidad a escala de rack integra las unidades centrales de procesamiento (CPU) Vera y las unidades de procesamiento gráfico (GPU) Rubin de Nvidia.
BMS utilizará esta infraestructura para entrenar modelos propietarios y ejecutar predicciones en sus iniciativas de investigación, apoyando el trabajo con compuestos, proteínas y otros conjuntos de datos científicos.
Los detalles financieros de la transacción siguen sin revelarse. La adquisición complementa la infraestructura existente de Nvidia de BMS, que incluye un SuperPOD más antiguo que los ejecutivos señalaron que está dos o tres generaciones por detrás de Vera Rubin.
BMS ha operado su actual DGX SuperPOD durante aproximadamente tres años. La empresa tiene la intención de integrarlo con el nuevo sistema Vera Rubin en un entorno de computación unificado accesible desde sus centros de investigación globales.
La pila de software SuperPOD gestionará las cargas de trabajo de entrenamiento, predicción y desarrollo en toda la infraestructura. Según BMS, esta configuración ampliada otorgará un acceso directo más amplio a los recursos de computación para un mayor número de científicos.
Greg Meyers, director de tecnología y transformación digital de BMS, declaró que la demanda de computación ha aumentado a medida que la empresa implementa modelos de IA más grandes en toda su organización de investigación.
Erin Davis, vicepresidenta de información empresarial de investigación y tecnología en BMS, señaló que la infraestructura existente está operando a plena capacidad. Atribuyó esta demanda a predicciones a gran escala que involucran moléculas complejas y al desarrollo de modelos fundamentales internos.
Davis enfatizó que el nuevo sistema no estará restringido a un pequeño grupo de investigadores computacionales. BMS planea ponerlo a disposición de toda la organización de investigación, eliminando los tiempos de espera y las restricciones de acceso del sistema actual.
Aplicación de la IA en el descubrimiento de medicamentos
BMS informó que la IA ahora informa el diseño de todos los programas de moléculas pequeñas y la mayoría de sus programas de moléculas grandes. La tecnología se aplica a la identificación de objetivos, la optimización de candidatos líderes, las predicciones de moléculas grandes y el desarrollo de modelos internos.
La empresa declaró que la identificación de objetivos habilitada por IA ha reducido los esfuerzos de investigación manual en varias semanas. Las cargas de trabajo de predicción de moléculas grandes también están impulsando la necesidad de capacidad adicional de procesamiento gráfico.
Robert Plenge, director de investigación de BMS, dijo que el nuevo sistema permitirá a los científicos evaluar más candidatos potenciales a medicamentos durante las etapas iniciales de desarrollo.
“Quizás antes podíamos hacer 10 y ahora podemos hacer docenas”, dijo Plenge.
La criba computacional permite a los investigadores evaluar compuestos potenciales antes de seleccionar un subconjunto más pequeño para la síntesis y las pruebas de laboratorio.
BMS emplea este enfoque mediante un método llamado “Predict First” (Predecir Primero), que utiliza predicciones generadas por modelos para excluir moléculas que no cumplen con las propiedades requeridas antes de que se seleccionen candidatos para la síntesis.
Payal Sheth, vicepresidenta senior de ciencias del descubrimiento terapéutico en BMS, dijo que los investigadores utilizan estas predicciones para identificar moléculas con la combinación deseada de propiedades.
“Utilizamos las predicciones como una forma de priorizar la síntesis de moléculas con optimización multivariable”, dijo Sheth. “Esto asegura que los valiosos experimentos de laboratorio estén alineados con el avance de moléculas que tienen la mayor probabilidad de éxito”.
Este método reduce el número de compuestos enviados a pruebas de laboratorio, permitiendo a los investigadores centrar sus experimentos en moléculas que cumplen con los requisitos previstos del programa.
BMS también ha utilizado la IA para ampliar su biblioteca de compuestos CELMoD, diseñados para degradar selectivamente proteínas que causan cáncer. La empresa está estudiando estos compuestos en cánceres de la sangre y otras enfermedades.
BMS declaró que el trabajo de modelado ayudó a los investigadores a examinar objetivos proteicos adicionales y compuestos potenciales antes de decidir qué candidatos perseguir experimentalmente.
La empresa también está utilizando herramientas de IA para reducir el tiempo necesario para producir medicamentos para ensayos clínicos. Plenge dijo que el proceso ya se ha reducido entre un 20 % y un 30 %, y podría alcanzar el 50 % en los próximos años.
Citó un tratamiento experimental para la anemia falciforme en etapas tempranas de desarrollo clínico como ejemplo de investigación respaldada por IA. Plenge dijo que es probable que el tratamiento no se hubiera descubierto sin las herramientas de IA de la empresa.
Estas cifras se refieren al tiempo necesario para identificar y producir candidatos para pruebas clínicas, en lugar de su rendimiento posterior en los ensayos.
El sistema Vera Rubin también brindará a los investigadores acceso al Kit de herramientas de agentes BioNeMo de Nvidia para aplicaciones biológicas y de descubrimiento de medicamentos.
BioNeMo proporciona herramientas para la predicción de la estructura de proteínas, la generación molecular, el acoplamiento molecular, el análisis de secuencias y la genómica. También puede conectar varias herramientas computacionales dentro del mismo flujo de trabajo de investigación.
Los ejecutivos de BMS enfatizaron que los investigadores humanos continuarán revisando las salidas de los modelos y decidirán qué compuestos o programas deben avanzar.
Conexión de los centros de investigación
BMS está introduciendo herramientas diseñadas para reducir el conocimiento especializado necesario para iniciar tareas de computación complejas. La empresa dijo que los investigadores podrán iniciar algunas solicitudes de predicción utilizando instrucciones en lenguaje natural.
El entorno será gestionado a través de Nvidia Mission Control, que se encarga del aprovisionamiento del clúster, la monitorización de la infraestructura y la gestión de cargas de trabajo, según BMS.
La infraestructura unificada permitirá que los datos y las salidas de modelos generados en un sitio sean utilizados por equipos en otros lugares. BMS señaló que los conjuntos de datos de un programa en Lawrenceville, Nueva Jersey, por ejemplo, pueden incorporarse a los modelos utilizados por investigadores en San Diego.
Sheth dijo que el entorno compartido tiene como objetivo retener la información de los experimentos y programas de investigación en toda la organización.
“La infraestructura de computación es lo que conecta a todos nuestros científicos y asegura que nuestros aprendizajes se institucionalicen”, dijo Sheth.
Los dos SuperPODs operarán a través de un entorno de datos común, permitiendo que los equipos en diferentes sitios accedan a conjuntos de datos compartidos y salidas de modelos. BMS declaró que el entorno incluirá información de experimentos, resultados clínicos y asociaciones de investigación.
La empresa planea asignar la nueva capacidad de computación entre el diseño de moléculas pequeñas y grandes, la investigación clínica y las aplicaciones de gemelos digitales. BMS no proporcionó detalles sobre el trabajo de gemelos digitales planificado ni la cantidad de capacidad asignada a cada área.
Meyers dijo que el sistema Vera Rubin proporcionará más capacidad de computación en relación con su consumo eléctrico. BMS y Nvidia declararon que el clúster de ocho sistemas ofrecerá hasta 10 veces el rendimiento por megavatio de la infraestructura que reemplaza.
“Cuando alojas estas cosas, tienes que pagar una factura de electricidad”, dijo Meyers. “Piensa en ello como 10 veces más capacidad de computación por vatio gastado… La electricidad no se está abaratando”.
BMS no proporcionó una fecha específica de implementación ni identificó dónde se alojará el nuevo sistema.
Ver también: Las agencias de salud pública de EE. UU. probarán modelos de IA de OpenAI y Anthropic
¿Quieres saber más sobre IA y grandes datos de líderes de la industria? Consulta la AI & Big Data Expo que se celebrará en Ámsterdam, California y Londres. El evento integral es parte de TechEx y se celebra junto con otros eventos tecnológicos líderes, incluida la Cyber Security & Cloud Expo. Haz clic aquí para obtener más información.
AI News está impulsado por TechForge Media. Explora otros próximos eventos y seminarios web de tecnología empresarial aquí.
Anthropic presenta Sonnet 5.5 como un socio de trabajo más rápido y económico
En medio de la continua competencia entre modelos de IA, Anthropic ha lanzado la última iteración de Sonnet, su oferta de gama media, prometiendo una velocidad sustancialmente mejorada y costos más bajos en comparación con la versión anterior.Anthro
La aplicación Meta AI sube al puesto número 5 en la App Store tras el lanzamiento de Muse Spark
La aplicación de inteligencia artificial de Meta ha experimentado un aumento significativo en las descargas tras el lanzamiento del miércoles de su último modelo de IA, Muse Spark. Este es el primer lanzamiento de un modelo bajo Alexandr Wang, direct
El director general de DeepMind insta a que se realicen pruebas de modelos de IA bajo la dirección de EE. UU.
Demis Hassabis, cofundador y director ejecutivo de Google DeepMind. Crédito: Demis Hassabis/LinkedInEl director ejecutivo de Google DeepMind, Demis Hassabis, destaca los peligros de la inteligencia ar











