Waarom Bristol Myers Squibb een Nvidia AI-supercomputer koopt voor medicijnontdekking

Sophie Jansen · 2026-07-21

Bristol Myers Squibb (BMS) schaft een Nvidia DGX SuperPOD aan, gebouwd op de Vera Rubin-architectuur van de chipmaker. Dit systeem moet kunstmatige intelligentie inzetten bij het ontdekken en ontwikkelen van nieuwe medicijnen. Het farmaceutische bedrijf zegt de eerste life sciences-organisatie te zijn die een DGX SuperPOD op basis van Vera Rubin aanschaft. Nvidia introduceerde deze architectuur eerder dit jaar als opvolger van zijn huidige generatie AI-computersystemen. ### Uitbreiding van rekenkracht De nieuwe cluster bestaat uit acht DGX Vera Rubin NVL72-systemen. Elk rack-schaal systeem combineert Nvidia Vera-central processing units met Rubin-graphics processing units. BMS gebruikt de infrastructuur om eigen modellen te trainen en voorspellingen te doen binnen zijn onderzoeksprogramma's. Het systeem ondersteunt werk met verbindingen, eiwitten en andere wetenschappelijke gegevens. Financiële details zijn niet bekendgemaakt. De aankoop breidt de bestaande Nvidia-infrastructuur van BMS uit, die een oudere SuperPOD omvat. Bedrijfsleiders beschrijven die als twee of drie generaties achter op Vera Rubin. BMS gebruikt de bestaande DGX SuperPOD al ongeveer drie jaar. Het bedrijf is van plan deze te combineren met het Vera Rubin-systeem in een gedeelde computeromgeving, toegankelijk vanuit onderzoekslocaties wereldwijd. ### Directe toegang voor meer wetenschappers De SuperPOD-software kan training, voorspelling en ontwikkeling plannen over de infrastructuur. BMS zegt dat de uitgebreide omgeving meer wetenschappers directe toegang geeft tot zijn computerbronnen. Greg Meyers, chief digital and technology officer bij BMS, zegt dat de computerbehoefte is toegenomen naarmate het bedrijf grotere AI-modellen inzet in zijn onderzoeksorganisatie. Erin Davis, vice president of research business insights and technology, zegt dat de bestaande infrastructuur op volle capaciteit draait. Ze wijt de vraag aan grootschalige voorspellingen met grote moleculen en de ontwikkeling van interne funderingsmodellen. Davis zegt dat het nieuwe systeem niet beperkt blijft tot een kleine groep computationele onderzoekers. BMS wil het beschikbaar maken voor de hele onderzoeksorganisatie, zonder wachttijden en toegangslimieten. > "We willen dat elke wetenschapper direct aan de slag kan met AI, zonder gedoe met wachtlijsten." ### AI in medicijnontdekking BMS zegt dat AI het ontwerp van elk klein-molecuulprogramma en de meeste groot-molecuulprogramma's beïnvloedt. De technologie wordt toegepast bij targetidentificatie, leadoptimalisatie, groot-molecuulvoorspellingen en interne modelontwikkeling. Het bedrijf stelt dat AI-gestuurde targetidentificatie sommige handmatige onderzoekswerkzaamheden met weken heeft verkort. Groot-molecuulvoorspellingen dragen ook bij aan de vraag naar extra grafische verwerkingscapaciteit. Robert Plenge, chief research officer, zegt dat het nieuwe systeem wetenschappers in staat stelt meer potentiële medicijnkandidaten te evalueren in de vroege ontwikkelingsfasen. "Misschien konden we er eerder 10 doen, en nu kunnen we er tientallen doen," zegt Plenge. ### Predict First: slimmer screenen Computationele screening stelt onderzoekers in staat potentiële verbindingen te beoordelen voordat ze een kleinere groep selecteren voor synthese en laboratoriumtests. BMS past deze aanpak toe via een methode genaamd "Predict First". Die gebruikt modelgegenereerde voorspellingen om moleculen uit te sluiten die niet voldoen aan de vereiste eigenschappen, voordat kandidaten worden geselecteerd voor synthese. Payal Sheth, senior vice president of therapeutic discovery sciences, zegt dat onderzoekers de voorspellingen gebruiken om moleculen te identificeren met de juiste combinatie van eigenschappen. "We gebruiken voorspellingen als een manier om synthese van moleculen te prioriteren met multi-parameter optimalisatie," zegt Sheth. "Dit zorgt ervoor dat kostbare laboratoriumexperimenten worden afgestemd op moleculen met de hoogste kans op succes." De methode beperkt het aantal verbindingen dat naar het laboratorium gaat, zodat onderzoekers zich kunnen richten op moleculen die voldoen aan de voorspelde vereisten van een programma. ### Wat dit betekent voor de toekomst BMS heeft AI ook gebruikt om zijn onderzoekspijplijn uit te breiden. Dit laat zien hoe AI de farmaceutische industrie verandert, van snellere ontdekking tot efficiëntere ontwikkeling. Met deze investering zet BMS een grote stap richting een toekomst waarin AI een centrale rol speelt in medicijnontwikkeling. Het bedrijf hoopt hiermee niet alleen sneller, maar ook effectiever nieuwe behandelingen te vinden voor patiënten wereldwijd.