产品/07.20 · 00:00/6 MIN/编译自 Brian Caulfield/11 阅读
百时美施贵宝构建生命科学行业最先进AI工厂
百时美施贵宝（BMS）宣布部署其第二台NVIDIA DGX SuperPOD，该集群基于八套DGX Vera Rubin NVL72系统，性能较上一代提升10倍，能效更高。BMS将向所有科学家开放这一统一AI平台，加速药物发现流程。
百时美施贵宝（BMS）的副总裁Erin Davis将公司的AI集群称为"SuperDuperPOD"。这个名字体现了两件事：BMS已经拥有生命科学领域最大的AI集群之一，并取得了显著成果；如今，他们正在加倍投入。
BMS今日宣布，将部署其第二台NVIDIA DGX SuperPOD，该集群基于八套DGX Vera Rubin NVL72系统——这是生命科学领域性能最强、能效最高的AI集群。
"我们不是只让一小群研究人员使用超级计算机，而是向每一位科学家开放，"BMS研究业务洞察与技术副总裁Davis表示。"没有人需要等待，也没有人会被告知存在限制。"
这八套机架级系统，每套均包含NVIDIA Vera CPU和Rubin GPU，性能较替换前的设施每兆瓦提升10倍。它将让这家全球制药巨头的研究人员能够访问一个统一的AI平台——包括用于生物AI的NVIDIA BioNeMo Agent Toolkit——用于运行预测、训练模型，并在整个药物发现流程中驱动智能体工作流。
Davis和BMS其他顶级研究人员真正追求的是这种访问带来的可能性：更快的周期、更大的化学空间，以及一个完整的药物发现流程，研究人员只需关注科学，而不必为资源排期操心。
BMS治疗发现科学高级副总裁Payal Sheth表示，任务正从"对AI能做什么的抽象理解，转向将其转化为可衡量的影响"。Sheth在药物发现实验室工作多年，今年1月刚刚履新。
BMS运行第一台DGX SuperPOD已有约三年，取得了切实成果。AI驱动的靶点识别已为科学家节省数周人工工作，使他们能专注于最高价值的科学决策。BMS团队利用AI扩展了其CELMoD化合物库——这类分子被设计用于选择性降解致癌蛋白质，应用于血癌治疗等领域。这为更广泛疾病的治疗打开了新靶点和潜在新药的大门。AI还被应用于药物发现中先导优化阶段，采用Sheth称为"先预测"的方法，基于设计预测指导实验决策。
图片来源：Bristol Myers Squibb
"我们利用预测来优先合成具有多参数优化的分子，"Sheth解释道，"以筛选掉那些不一定达到我们目标属性范围的分子。这确保了宝贵的实验室实验能够用于推进那些成功概率最高的分子。"
这些研究AI应用对研究机构的计算需求产生了重大影响。"我们已经饱和了，"Davis说。"我们正在大规模预测大分子。我们还在构建自己的基础模型，这需要大量GPU。"
随着新系统即将就位，Davis已经准备好为那些考虑在哪里做最好工作的研究人员发出邀请："欢迎来到无限计算。"
Davis本身是计算化学家出身，她多年从事科研，后来发现技术跟不上需求，于是转而解决这个问题。她在ChemAxon、Schrödinger和X-Chem等公司从事了约15年的企业平台开发。在每一家公司，制药行业都在与同一个瓶颈作斗争。
"问题不在于技术，"她说。"挑战在于如何将技术交到科学家手中，并从中学习。"
她深知其中的利害关系。她的父亲五年前去世了，"死于阿尔茨海默症，非常痛苦。"BMS在脑健康领域有大量投入——这是一个众所周知的困难领域。"即使他仍然会去世，"Davis说，"如果在过程中有症状缓解，也能减轻全家人的痛苦。痴呆症尤其残酷。"
Davis的团队正在将现有的DGX SuperPOD和新的基于DGX Vera Rubin NVL72的系统整合到统一环境中——一个单一数据平面，可从全球所有BMS站点访问。过去系统难以访问的障碍——以往收购带来的站点限制、需要深厚的计算专业知识——正被通过NVIDIA Mission Control管理的AI原生工具所取代。研究人员将能用自然语言启动复杂预测。
"计算基础设施将所有科学家连接在一起，确保我们的学习成果制度化，"Sheth解释说。例如，在新泽西州劳伦斯维尔运行的项目数据集，可以供加州圣地亚哥的团队用于模型训练。这些学习成果"可以应用于我们正在进行的任何项目"。
"如今，药物发现中存在一个累积学习循环，这在我在职业生涯初期是不存在的，"Sheth说。"每个项目都被区别对待，学习成果是离散的，没有形成发现过程中的智能框架。"
如今，BMS正在利用AI将这个学习循环扩展为一个发现系统，每次实验、临床结果和合作都能更快地形成更高置信度的科学决策。
智能体工作流可以进一步增强研发架构。
"智能体不在乎边界，"Davis说。"它们能跨越所有障碍。这带来巨大变化，因为现在我们可以从跨部门和跨项目的决策中学习。"
"当一位科学家能够调用一支经过充分验证、训练有素、拥有BMS知识储备的虚拟科学家大军时，你自己就等于一个完整的团队。"
Sheth表示，人类直觉不会被取代，"而是通过更多定量洞察和预测得到增强。"她认为，用计算来扩展这种能力，"正是AI影响力将得到全面体现的地方。"
"仍然需要人类大脑来驱动一切，"Davis补充道，"仍然需要寻找陷阱和漏洞，教它们如何利用知识。但这大大提升了个人的能力。"
Davis说，新系统已经有了明确的计划：跨不同模态的详细分配，从大小分子设计到临床应用再到数字孪生。"我们买这个不仅仅是为了拥有最大的算力，"她说。"SuperDuperPOD基本上贯穿了整个流程的每个节点。"
当BMS首席数字与技术官Greg Meyers问Davis是否确定她能让"超级POD"饱和时，她的回答很直接。
"给我们时间，"她告诉他。
原文链接：NVIDIA AI Blog
本文由前途科技编辑整理
想了解 AI 如何助力您的企业？
免费获取企业 AI 成熟度诊断报告，发现转型机会
