Waarom Bristol Myers Squibb miljoenen investeert in Nvidia's nieuwste AI-supercomputer
Sophie Jansen ยท
Luister naar dit artikel~4 min
Bristol Myers Squibb koopt als eerste farmaceut een Nvidia DGX SuperPOD met Vera Rubin-architectuur. Het AI-systeem moet medicijnontdekking versnellen en wetenschappers wereldwijd toegang geven tot ongekende rekenkracht.
Farmaceutische gigant Bristol Myers Squibb (BMS) gaat een van de krachtigste AI-systemen ter wereld aanschaffen. Het bedrijf koopt een Nvidia DGX SuperPOD, gebouwd op de gloednieuwe Vera Rubin-architectuur. En dat is niet zomaar een upgrade.
BMS is namelijk de eerste life sciences-organisatie die dit systeem in handen krijgt. De nieuwe supercomputer moet de manier waarop het bedrijf medicijnen ontdekt en ontwikkelt, radicaal versnellen. Dit is geen toekomstmuziek; het gebeurt nu.
### Wat is de Nvidia Vera Rubin DGX SuperPOD precies?
Nvidia introduceerde de Vera Rubin-architectuur begin dit jaar als de opvolger van de huidige generatie AI-computersystemen. Het is een enorme sprong voorwaarts in rekenkracht. De nieuwe cluster van BMS bestaat uit acht DGX Vera Rubin NVL72-systemen. Elk systeem combineert Nvidia Vera CPU's met Rubin GPU's.
Het is moeilijk voor te stellen, maar dit systeem kan berekeningen uitvoeren waar gewone computers dagen of weken over zouden doen. En dat in een fractie van de tijd.
### Waarom heeft BMS deze rekenkracht nodig?
De farmaceut gebruikt AI al op grote schaal. Het bedrijf zegt dat AI de basis vormt van elk klein-molecuulprogramma en de meerderheid van de grote-molecuulprogramma's. De technologie wordt ingezet voor:
- Het identificeren van nieuwe ziektedoelen
- Het optimaliseren van kandidaat-geneesmiddelen
- Het voorspellen van eigenschappen van grote moleculen
- Het ontwikkelen van interne AI-modellen
Het huidige systeem, dat ongeveer drie jaar oud is, draait op volle capaciteit. Erin Davis, vice president of research business insights and technology bij BMS, zegt dat de vraag enorm is toegenomen door grootschalige voorspellingen rond grote moleculen en de ontwikkeling van eigen basismodellen.
### Van 10 naar tientallen kandidaat-geneesmiddelen
Robert Plenge, chief research officer van BMS, schetst een concreet beeld van de impact. "Misschien konden we eerder 10 kandidaat-geneesmiddelen evalueren, en nu kunnen we er tientallen doen."
Dat komt door een methode die BMS 'Predict First' noemt. Hierbij worden computermodellen gebruikt om moleculen te screenen voordat ze in het lab worden getest. Alleen de meest veelbelovende kandidaten gaan door naar de dure en tijdrovende laboratoriumfase.
Payal Sheth, senior vice president of therapeutic discovery sciences, legt uit: "We gebruiken voorspellingen om de synthese van moleculen te prioriteren met multi-parameter optimalisatie. Dit zorgt ervoor dat kostbare laboratoriumexperimenten worden ingezet voor moleculen met de hoogste kans op succes."
### Wat betekent dit voor de wetenschappers?
Een belangrijk detail: de nieuwe supercomputer wordt niet alleen toegankelijk voor een kleine groep computational researchers. BMS wil het systeem beschikbaar maken voor de hele onderzoeksorganisatie. Geen wachtlijsten, geen toegangsbeperkingen zoals nu.
Greg Meyers, chief digital and technology officer van BMS, zegt dat de rekenvereisten zijn toegenomen naarmate het bedrijf grotere AI-modellen inzet. De nieuwe infrastructuur moet ervoor zorgen dat meer wetenschappers direct toegang hebben tot deze rekenkracht.
### De impact op medicijnontwikkeling
De inzet van AI heeft nu al concrete resultaten opgeleverd. BMS meldt dat AI-ondersteunde doelwitidentificatie sommige handmatige onderzoekswerkzaamheden met weken heeft verkort. En dat is nog maar het begin.
Door de combinatie van de oude en nieuwe SuperPOD ontstaat een gedeelde computeromgeving die toegankelijk is vanuit onderzoekslocaties over de hele wereld. De software stack kan training, voorspelling en ontwikkelingsworkloads plannen over de hele infrastructuur.
Dit is geen kleine stap. Het is een fundamentele verandering in hoe medicijnen worden ontdekt. En BMS is vastbesloten om voorop te lopen.