Масштаб и характеристики инфраструктуры
Фармацевтический гигант Bristol Myers Squibb (BMS) анонсировал развертывание второго центра обработки данных DGX SuperPOD. В отличие от первой системы, новый кластер построен на базе 8 систем NVIDIA DGX Vera Rubin NVL72. Это решение позиционируется как самая мощная и энергоэффективная AI-инфраструктура в сфере науки о жизни. Ключевая метрика эффективности — производительность на единицу энергии — выросла в 10 раз по сравнению с заменяемой инфраструктурой.
От ограниченного доступа к «Limitless Compute»
Ранее доступ к суперкомпьютерам имели лишь узкие группы исследователей. Теперь, по словам Эрин Дэвис (Erin Davis), вице-президента BMS, платформа становится единой для всех ученых компании. Барьеры, связанные с локальными ограничениями после поглощений или необходимостью глубоких знаний в области вычислений, устранены. Ученые могут запускать сложные предсказания на обычном языке через инструменты NVIDIA Mission Control.
Технологический стек и интеграция
Новая система объединяет существующий SuperPOD и новую платформу Vera Rubin в единую среду с общим сетевым планом (data plane). Для работы с биологическими данными используется NVIDIA BioNeMo Agent Toolkit. Это позволяет создавать агентные рабочие процессы (agentic workflows), которые автоматизируют рутинные задачи и позволяют ученым фокусироваться на научных гипотезах, а не на логистике ресурсов.
| Параметр | Предыдущая инфраструктура | Новая система (SuperDuperPOD) |
|---|---|---|
| Базовая архитектура | Стандартные DGX SuperPOD | 8 x NVIDIA DGX Vera Rubin NVL72 |
| Энергоэффективность | Базовый уровень | В 10 раз выше производительность на МВт |
| Доступ | Ограниченный, для выбранных групп | Единая платформа для всех ученых BMS |
| Управление | Ручное, с барьерами входа | AI-native через NVIDIA Mission Control |
Практическое применение: от CELMoD до «Predict First»
Инфраструктура уже используется для ускорения ключевых этапов разработки лекарств. Например, ИИ помогает в идентификации мишеней, экономя недели ручного труда. Особое внимание уделяется молекулам класса CELMoD (для деградации белков, вызывающих рак), где ИИ расширяет библиотеку соединений. Методология «Predict First» позволяет предсказывать свойства молекул до их синтеза, отсеивая неудачные варианты и направляя эксперименты только на перспективные кандидаты.
Стратегия и влияние на науку
По словам Паял Шет (Payal Sheth), старшего вице-президента BMS, цель — переход от абстрактных возможностей ИИ к измеримому влиянию на открытие лекарств. Новая система создает «кумулятивную петлю обучения»: данные из лабораторий в Нью-Джерси, Сан-Диего и других локациях объединяются, формируя институциональную память компании. Это позволяет избегать дублирования ошибок и ускорять принятие решений на основе данных, особенно в сложных областях, таких как лечение болезни Альцгеймера.
Источник: NVIDIA Blog ↗