К содержанию
Новости

Bristol Myers Squibb развернет второй NVIDIA DGX SuperPOD для задач разработки лекарств

Bristol Myers Squibb развернет второй NVIDIA DGX SuperPOD для задач разработки лекарств

Bristol Myers Squibb объявила о запуске второго кластера NVIDIA DGX SuperPOD для исследований в области разработки лекарств. Система построена на восьми стойках DGX Vera Rubin NVL72 и, по данным компании, станет самым мощным и энергоэффективным AI-кластером в индустрии life sciences. Как сообщает NVIDIA Blog, новый кластер должен стать единой AI-платформой для прогнозирования, обучения моделей и агентных рабочих процессов на всех этапах разработки препаратов.

В BMS говорят, что инфраструктура будет доступна всем исследователям компании без ограничений по вычислительным ресурсам. Каждая из восьми систем использует процессоры NVIDIA Vera и GPU Rubin, обеспечивая до 10-кратного прироста производительности на мегаватт по сравнению с заменяемой инфраструктурой.

DGX SuperPOD компания использует уже около трех лет. По словам представителей BMS, AI-инструменты помогают быстрее выявлять биологические цели и сокращают недели ручной работы. Кроме того, технологии применяются для расширения библиотеки соединений CELMoD в исследованиях онкологии крови и других заболеваний.

AI используют и на этапе оптимизации молекул в рамках подхода Predict First. Здесь вычислительные прогнозы помогают отбирать наиболее перспективные соединения еще до лабораторных экспериментов.

В BMS отмечают, что текущие вычислительные мощности уже работают на пределе из-за масштабных прогнозов для крупных молекул и разработки собственных foundation-моделей. В компании рассчитывают, что новый кластер позволит исследователям сосредоточиться на научной работе, а не на распределении вычислительных ресурсов.

Ключевые факты

  • Новый кластер BMS построен на восьми системах DGX Vera Rubin NVL72

  • Системы на базе NVIDIA Vera и Rubin обеспечивают до 10-кратного прироста производительности на мегаватт

  • BMS использует первый DGX SuperPOD около трех лет

  • AI в BMS применяется для расширения библиотеки соединений CELMoD и для подхода Predict First при оптимизации молекул