Bristol Myers Squibb baut leistungsstärksten KI-Cluster der Biowissenschaften auf NVIDIA Vera Rubin
NVIDIA
Bristol-Myers Squibb
Bristol Myers Squibb (BMS) kündigte die Einrichtung seines zweiten NVIDIA DGX SuperPOD an, der auf acht DGX Vera Rubin NVL72-Systemen basiert und damit den leistungsstärksten und energieeffizientesten KI-Cluster in den Biowissenschaften darstellt. Das System wird allen BMS-Wissenschaftlern Zugang zu einer einheitlichen KI-Plattform für die Arzneimittelforschung bieten, einschließlich des NVIDIA BioNeMo Agent Toolkits, das schnellere Zyklen, größere chemische Räume und agentische Workflows über die gesamte Pipeline hinweg ermöglicht.
Bristol Myers Squibb (BMS) hat die Inbetriebnahme seines zweiten NVIDIA DGX SuperPOD angekündigt, der auf acht DGX Vera Rubin NVL72-Systemen basiert. Das Unternehmen bezeichnet diesen als den leistungsstärksten und energieeffizientesten KI-Cluster in den Biowissenschaften, der im Vergleich zur ersetzten Infrastruktur die bis zu zehnfache Leistung pro Megawatt bietet. Das System wird jedem Wissenschaftler bei BMS zugänglich sein – nicht nur einer kleinen Gruppe – und eine einheitliche KI-Plattform bereitstellen, die das NVIDIA BioNeMo Agent Toolkit für biologische KI umfasst. Forscher können damit Vorhersagen durchführen, Modelle trainieren und agentische Workflows über die gesamte Wirkstoffforschungs-Pipeline hinweg nutzen. BMS setzt bereits seit über drei Jahren KI ein und erzielte damit Ergebnisse wie die Einsparung von Wochen manueller Arbeit bei der Zielidentifikation, die Erweiterung der Bibliothek von CELMoD-Verbindungen sowie die Anwendung einer „Predict First“-Methodik in der Leitstrukturoptimierung. Das neue System wird mit dem bestehenden DGX SuperPOD zu einer einzigen Datenebene zusammengeführt, die von allen BMS-Standorten weltweit zugänglich ist. Es wird erwartet, dass agentische Workflows die Forschung und Entwicklung weiter verbessern, indem sie das Lernen über Abteilungen und Programme hinweg ermöglichen und menschliche Intuition durch quantitative Erkenntnisse ergänzen.
Quelle: NVIDIA blog —
Original
