Bristol Myers Squibb pierwszą firmą farmaceutyczną z superkomputerem Nvidia Vera Rubin

Bristol Myers Squibb ogłosił rozbudowę infrastruktury obliczeniowej opartej na sprzęcie Nvidii, którą firma wykorzystuje do odkrywania nowych leków. Koncern wdraża system NVIDIA DGX SuperPOD zbudowany na systemach DGX Vera Rubin NVL72 i twierdzi, że jest pierwszą firmą z sektora life sciences, która kupuje SuperPOD oparty na tej generacji architektury Nvidii.

Nowa platforma obliczeniowa

DGX Vera Rubin NVL72 to najnowsza platforma obliczeniowa Nvidii zaprezentowana na tegorocznych targach CES, łącząca w jednym systemie 72 procesory graficzne Rubin i 36 procesorów Vera połączonych szybkim łączem NVLink. Bristol Myers Squibb zdecydował się na wdrożenie tej architektury w formie klastra typu SuperPOD, który firma opisuje jako fabrykę modeli AI dla badań nad lekami.

Według producenta nowa generacja układów zapewnia nawet dziesięciokrotnie wyższą wydajność na megawat w porównaniu z poprzednią architekturą Blackwell. Dla koncernu farmaceutycznego oznacza to możliwość trenowania i uruchamiania znacznie większych modeli fundamentowych bez proporcjonalnego wzrostu zużycia energii w centrach danych.

Trzy lata partnerstwa

Współpraca Bristol Myers Squibb z Nvidią zaczęła się około trzech lat temu, gdy firma wdrożyła swój pierwszy DGX SuperPOD do wspierania działu badań i rozwoju. Od tego czasu zastosowania sztucznej inteligencji w koncernie ewoluowały od prostszych narzędzi, takich jak przewidywanie struktury białek, do znacznie bardziej kosztownych obliczeniowo modeli fundamentowych opisujących interakcje kandydatów na leki z organizmem.

Wykorzystaliśmy całą przestrzeń obliczeniową, jaką mieliśmy - Greg Meyers, dyrektor ds. cyfrowych i technologii, Bristol Myers Squibb

Rozbudowa infrastruktury wynikała więc wprost z wyczerpania dotychczasowych zasobów. Nowy system ma wspierać modele fundamentowe wykorzystywane między innymi w badaniach nad onkologią i chorobami neurozwyrodnieniowymi, a docelowo obejmie też hematologię, kardiologię, immunologię i szerzej pojętą neurologię.

Co to znaczy dla badań nad lekami

Zwiększona moc obliczeniowa ma pozwolić naukowcom BMS na przesiewanie znacznie większej liczby kandydatów na leki już na najwcześniejszym etapie rozwoju, zanim trafią do kosztownych testów laboratoryjnych i klinicznych. Firma podkreśla, że chodzi nie tylko o przyspieszenie procesu, ale przede wszystkim o podniesienie trafności wyboru programów, które w ogóle warto rozwijać.

Wcześniej mogliśmy przebadać może dziesięć kandydatów, teraz możemy kilkadziesiąt - Robert Plenge, dyrektor ds. badań, Bristol Myers Squibb

Według koncernu narzędzia AI już teraz skróciły czas potrzebny na przygotowanie leków do badań klinicznych o 20 do 30 procent, a w kolejnych latach ten wskaźnik może wzrosnąć nawet do 50 procent. Firma nie ujawniła warunków finansowych umowy z Nvidią ani dokładnego harmonogramu uruchomienia pełnej mocy nowego klastra.

Wyścig farmaceutycznych superkomputerów

Ogłoszenie Bristol Myers Squibb to według serwisu STAT News już trzecia w ciągu dziewięciu miesięcy deklaracja innej firmy farmaceutycznej o budowie własnego, dużego klastra obliczeniowego opartego na sprzęcie Nvidii do celów badawczych. Koncerny farmaceutyczne coraz wyraźniej traktują dostęp do mocy obliczeniowej klasy superkomputerowej jako element przewagi konkurencyjnej w wyścigu o szybsze odkrywanie leków, obok tradycyjnych atutów, takich jak wielkość portfela badawczego czy dostęp do danych klinicznych.

Podobny trend widać też poza największymi koncernami. Mniejsze firmy biotechnologiczne, w tym polskie startupy zajmujące się projektowaniem leków wspieranym przez sztuczną inteligencję, również zwiększają inwestycje w infrastrukturę obliczeniową, choć w znacznie mniejszej skali niż globalne koncerny farmaceutyczne dysponujące budżetami badawczymi liczonymi w miliardach dolarów.

Dla polskiego sektora biotechnologicznego tego typu inwestycje pokazują, w jakim kierunku przesuwa się cała branża, dla której dostęp do mocy obliczeniowej staje się równie istotny jak dostęp do laboratoriów. Krajowe firmy farmaceutyczne i biotechnologiczne na razie nie dysponują porównywalną skalą zasobów, co może w dłuższej perspektywie wpływać na tempo, w jakim będą w stanie konkurować o najciekawsze programy badawcze.

Nvidia zyskuje na tego typu umowach kolejny dowód na to, że jej sprzęt do sztucznej inteligencji trafia poza typowe centra danych chmurowe i firmy technologiczne, docierając też do przemysłu farmaceutycznego, gdzie zapotrzebowanie na moc obliczeniową rośnie wraz z ambicjami budowy coraz większych modeli fundamentowych opisujących biologię człowieka.