Bristol Myers Squibb (BMS), jeden z gigantów światowego przemysłu farmaceutycznego, ogłosił znaczące rozszerzenie swoich możliwości obliczeniowych w obszarze sztucznej inteligencji. Firma wdraża swój drugi klaster NVIDIA DGX SuperPOD, oparty na ośmiu systemach DGX Vera Rubin NVL72. Inwestycja ta ma na celu stworzenie najbardziej zaawansowanej infrastruktury obliczeniowej w sektorze nauk przyrodniczych, oferującej nawet dziesięciokrotnie wyższą wydajność w przeliczeniu na megawat w porównaniu z dotychczasowymi rozwiązaniami.
Demokratyzacja dostępu do mocy obliczeniowej
Kluczowym założeniem nowej strategii BMS jest zapewnienie każdemu naukowcowi w firmie nieograniczonego dostępu do zaawansowanych narzędzi AI. Erin Davis, wiceprezes ds. technologii i analiz w dziale badań, podkreśla, że dotychczasowe ograniczenia dostępności superkomputerów dla wąskich grup badawczych odchodzą do przeszłości. Dzięki nowej infrastrukturze, badacze zyskują dostęp do ujednoliconej platformy, która obejmuje m.in. zestaw narzędzi NVIDIA BioNeMo Agent Toolkit. Pozwala to na płynne trenowanie modeli, uruchamianie predykcji oraz wdrażanie autonomicznych przepływów pracy w całym procesie odkrywania nowych leków.
Zamiast wyposażać małą grupę badaczy w dostęp do superkomputera, otwieramy go dosłownie dla każdego naukowca. Nikt nie musi czekać i nikt nie słyszy, że ma nałożony limit – mówi Erin Davis.
Od teorii do wymiernych efektów w laboratorium
Firma od trzech lat z powodzeniem wykorzystuje technologię DGX SuperPOD, co przekłada się na konkretne sukcesy w laboratoriach. Sztuczna inteligencja znacząco przyspieszyła proces identyfikacji celów terapeutycznych, uwalniając naukowców od żmudnej pracy manualnej. Zespół BMS wykorzystuje AI m.in. do rozwijania biblioteki związków CELMoD, które selektywnie degradują białka wywołujące nowotwory, co otwiera drogę do leczenia chorób krwi i innych schorzeń.
W procesie optymalizacji wiodących cząsteczek stosowana jest metodologia „Predict First”. Polega ona na wykorzystaniu modeli obliczeniowych do przewidywania zachowania cząsteczki w warunkach klinicznych jeszcze przed rozpoczęciem kosztownych eksperymentów laboratoryjnych. Dzięki temu badacze mogą priorytetyzować syntezę tych związków, które mają największą szansę na sukces, eliminując te, które nie spełniają założonych parametrów.
Budowa globalnej pętli uczenia
Nowa infrastruktura łączy istniejące zasoby z systemem opartym na architekturze Vera Rubin w jedno, spójne środowisko danych. Dzięki narzędziom zarządzanym przez NVIDIA Mission Control, naukowcy z różnych zakątków świata – od Lawrenceville w New Jersey po San Diego w Kalifornii – mogą korzystać z tych samych zbiorów danych i modeli. Tworzy to tzw. kumulatywną pętlę uczenia, w której doświadczenia z jednego projektu wzbogacają wiedzę całego przedsiębiorstwa.
Wprowadzenie agentowych przepływów pracy (agentic workflows) pozwala na przełamanie silosów informacyjnych. Wirtualni asystenci, wyposażeni w wiedzę zgromadzoną przez BMS, mogą analizować decyzje podejmowane w różnych programach badawczych, co pozwala na szybsze wyciąganie wniosków. Jak zaznacza Payal Sheth, starsza wiceprezes ds. nauk o odkrywaniu terapii, nie chodzi o zastąpienie ludzkiej intuicji, lecz o jej wzmocnienie ilościowymi danymi i predykcjami.
Dla Erin Davis, która w swojej karierze zawodowej zmagała się z ograniczeniami technologicznymi w branży farmaceutycznej, projekt ten ma również wymiar osobisty. Doświadczenia rodzinne związane z chorobami neurodegeneracyjnymi motywują ją do dążenia do rozwiązań, które mogą realnie poprawić jakość życia pacjentów. Nowy system obliczeniowy jest już w pełni zaplanowany pod kątem konkretnych zastosowań – od projektowania małych i dużych cząsteczek, po tworzenie cyfrowych bliźniaków i zaawansowane analizy kliniczne.