A Bristol Myers Squibb minden kutatójának megnyitja AI-szuperszámítógépét

Második DGX SuperPOD a gyógyszerkutatás szolgálatában

A Bristol Myers Squibb, vagyis a BMS 2026. július 20-án jelentette be, hogy új NVIDIA DGX SuperPOD rendszert telepít. A klaszter nyolc NVIDIA DGX Vera Rubin NVL72 rendszerből épül fel, amelyek mindegyike Vera CPU-kat és Rubin GPU-kat tartalmaz.

Az NVIDIA közlése szerint az új infrastruktúra az azt megelőző rendszerhez képest megawattokra vetítve akár tízszer nagyobb teljesítményt biztosít. A vállalat ezt nevezi az élettudományi szektor legerősebb és energiahatékonyabb AI-klaszterének.

A BMS már körülbelül három éve működtet egy DGX SuperPOD rendszert. Az új és a meglévő infrastruktúrát egyetlen egységes környezetté kapcsolják össze, közös adatsíkkal, amelyhez a vállalat minden globális telephelyéről hozzá lehet férni.

A cél a teljes gyógyszerfelfedezési folyamat támogatása

Az új platformon a kutatók előrejelzéseket futtathatnak, modelleket taníthatnak, valamint ügynökalapú munkafolyamatokat indíthatnak a gyógyszerfelfedezés teljes láncában. A környezet része lesz az NVIDIA BioNeMo Agent Toolkit biológiai mesterséges intelligenciához készült eszközkészlete is.

Az AI-t a BMS már használja a célpontok azonosítására, ami a vállalat szerint hetekkel csökkenti a manuális munkát. A kutatók így a nagyobb tudományos értékű döntésekre összpontosíthatnak. A rendszerrel a BMS bővítette CELMoD-vegyületeinek könyvtárát is. Ezek olyan molekulák, amelyeket daganatot okozó fehérjék szelektív lebontására terveztek, és vérdaganatok kezelésében, valamint más területeken is alkalmazhatók.

A vállalat a vezetőjelölt-molekulák optimalizálásánál is használ AI-t. Payal Sheth, a BMS terápiás felfedezési tudományokért felelős vezető alelnöke ezt „Predict First” módszertannak nevezi. A számításos előrejelzések alapján a kutatók rangsorolhatják, mely molekulákat érdemes előállítani, és kiszűrhetik azokat, amelyek várhatóan nem felelnek meg a kívánt tulajdonságoknak.

A kutatók természetes nyelven kérhetnek összetett számításokat

Erin Davis, a BMS kutatási üzleti betekintésekért és technológiáért felelős alelnöke szerint a vállalat jelenleg már telített kapacitással működik. Nagy léptékű előrejelzéseket futtatnak nagy molekulákhoz, és saját alapmodelleket is építenek, amelyekhez sok GPU-ra van szükség.

A hozzáférési korlátokat a BMS NVIDIA Mission Control által kezelt, AI-natív eszközökkel akarja csökkenteni. A kutatók természetes nyelven indíthatnak majd összetett előrejelzéseket, így az infrastruktúra használatához kevesebb speciális számítási szakértelemre lehet szükség.

A különböző helyszíneken létrehozott adatok és tanulságok közösen használhatók fel. A Lawrenceville-ben, New Jerseyben futó program adatai például egy San Diegó-i csapat modelljeit is táplálhatják. A BMS szerint így a kísérletek, klinikai eredmények és partnerségek során megszerzett tudás több programban is hasznosulhat.

Az AI kiegészíti a kutatók döntéseit

A BMS vezetői szerint az ügynökalapú munkafolyamatok lehetővé teszik, hogy a kutatók a különböző programokban és szervezeti egységekben meghozott döntésekből is tanuljanak. Davis megfogalmazása szerint a kutatók egy „jól ellenőrzött, teljesen betanított virtuális tudósokból álló hadsereghez” fordulhatnak, amelybe beépítették a BMS tudását.

Sheth szerint az emberi megérzéseket nem váltják ki, hanem mennyiségi betekintésekkel és előrejelzésekkel egészítik ki. A kutatóknak továbbra is figyelniük kell a kivételekre és a problémás esetekre, miközben az AI jelentősen növelheti az egyes szakemberek képességeit.

A BMS az új rendszert a kis- és nagymolekulás tervezéstől a klinikai alkalmazásokon át a digitális ikrekig tervezi használni. A vállalat szerint a cél nem pusztán a legnagyobb számítási kapacitás létrehozása, hanem egy olyan közös kutatási környezet kialakítása, amely gyorsabb ciklusokat, nagyobb vizsgált kémiai tereket és a teljes gyógyszerfelfedezési folyamatban használható AI-t tesz lehetővé.