「NVIDIA BioNeMoがAWS上での薬剤探索のための生成型AIを可能にする」

『NVIDIA BioNeMoによりAWS上での薬剤探索のための生成型AIが実現』

主要な製薬会社やテクバイオ企業の研究者や開発者は、Amazon Web Servicesを通じてNVIDIA Claraソフトウェアとサービスを簡単に展開できるようになりました。詳細はこちらをご覧ください。

本日のAWS re:Inventで発表されたこの取り組みにより、AWSクラウドリソースを使用しているヘルスケアおよびライフサイエンスの開発者は、NVIDIAの加速オファリングを柔軟に統合することができるようになります。これにはNVIDIA BioNeMo(創成AIプラットフォーム)も含まれており、AWS上のNVIDIA DGX Cloudに追加され、高性能コンピューティングのためのAWS ParallelClusterクラスタ管理ツールとAmazon SageMakerマシンラーニングサービスを介して現在利用可能です。

北薬やライフサイエンス企業の数千社がAWSを利用しています。彼らは今やBioNeMoにアクセスして、専有データを使用してデジタル生物学の基礎モデルを構築またはカスタマイズし、NVIDIA GPUアクセラレートクラウドサーバーを使用してモデルのトレーニングとデプロイをスケールアップすることが可能です。

Alchemab Therapeutics、Basecamp Research、Character Biosciences、Evozyne、Etcembly、LabGeniusなどのテクバイオイノベーターは、既にBioNeMoを使用して創成AIによる医薬品の探索と開発を行っています。このコラボレーションにより、彼らはバイオモレキュラーデータ上でトレーニングされた創成AIモデルを開発するためにクラウドコンピューティングリソースを迅速にスケールアップするためのより多くの方法を得ることができます。

この発表により、NVIDIAの既存のヘルスケアに特化したオファリングがAWS上で利用可能になります。それには、医療画像処理のためのNVIDIA MONAIおよびジェノミクスの加速のためのNVIDIA Parabricksも含まれています。

AWSでの新機能:NVIDIA BioNeMoが創成AIを推進する

BioNeMoは、デジタル生物学のためのドメイン固有のフレームワークであり、事前学習済みの大規模言語モデル(LLM)、データローダー、最適化されたトレーニングレシピを含んでいます。これにより、ターゲットの同定、タンパク質構造の予測、薬剤候補のスクリーニングを加速することで、コンピュータ支援の薬剤探索を推進することができます。

薬剤探索チームは、BioNeMoを使用して専有データを活用し、クラウドベースの高性能コンピューティングクラスター上でモデルを構築または最適化することができます。

これらのモデルの1つであるESM-2は、256のNVIDIA H100 Tensor Core GPUを使用してほぼ線形スケーリングを実現しています。研究者は、オリジナルの論文に掲載されたトレーニング時間の1か月ではなく数日間でトレーニングを完了するために、512のH100 GPUまでスケールアップすることができます。

開発者は、650億または30億のパラメータのチェックポイントを使用してESM-2をスケールアップトレーニングすることができます。BioNeMoトレーニングフレームワークでサポートされる追加のAIモデルには、小分子生成モデルMegaMolBARTとタンパク質配列生成モデルProtT5が含まれます。

BioNeMoの事前学習済みモデルと最適化されたトレーニングレシピは、AWS ParallelClusterやAmazon ECSなどの自己管理サービス、NVIDIA DGX CloudやAmazon SageMakerを介した統合管理サービスを使用して利用することができます。これにより、研究開発チームはより多くの薬剤候補を探索し、ウェットラボの実験を最適化し、有望な臨床候補をより速く見つけることができます。

AWSでも利用可能:NVIDIA Clara for Medical Imaging and Genomics

Project MONAI(NVIDIAによって設立およびサポートされている)は医療画像処理ワークフローをサポートするために開発され、すでに180万回以上ダウンロードされ、AWS上で展開できるようになっています。開発者は、すでにAWSクラウドリソースに保存されている専有のヘルスケアデータセットを活用して、医療画像のためのAIモデルを迅速に注釈付けおよび構築することができます。

これらのモデルは、NVIDIA GPUを搭載したAmazon EC2インスタンスで訓練されており、医療画像におけるセグメンテーション、分類、登録、検出タスクのインタラクティブな注釈や微調整に使用することができます。開発者はまた、MONAIで利用可能なMRI画像合成モデルを使用してトレーニングデータセットを拡張することも可能です。

ゲノミクスパイプラインを加速するために、Parabricksは、CPUのみのシステムでは1日かかる全ヒトゲノムのバリアントコーリングを約15分で実行できるようにします。 AWS上では、開発者は複数のGPUノード上で大量のゲノムデータを処理するために短時間でスケールアップすることができます。

さまざまなParabricksワークフローが AWS HealthOmicsにReady2Runワークフローとして利用可能であり、顧客は事前に作成されたパイプラインを簡単に実行することができます。

薬剤探索、ゲノミクス、医療画像のAIワークフローを加速するために、AWS上でNVIDIA Claraを使って始めましょう。

NVIDIA healthcare newsに購読する。

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!

Share:

Was this article helpful?

93 out of 132 found this helpful

Discover more

AI研究

黄さんの法則に留意する:エンジニアたちがどのように速度向上を進めているかを示すビデオ

話の中で、NVIDIAのチーフサイエンティストであるビル・ダリー氏が、モーアの法則時代後のコンピュータパフォーマンスの提供...

人工知能

プロジェクトゲームフェイスをご紹介します:ハンズフリーで、AIにより動くゲーミングマウス

新しいオープンソースのハンズフリーゲーミングマウス、プロジェクトゲームフェイスは、ゲームをよりアクセスしやすくする可...

データサイエンス

「AIがキーストロークを聞く:新たなデータセキュリティの脅威」

ロンドン大学、ダラム大学、サリー大学の研究者によって開発された画期的なAIシステムは、データセキュリティの懸念を新たな...

AI研究

UCバークレーの研究者たちは、「リングアテンション:トランスフォーマーのメモリ要件を削減するためのメモリ効率の良い人工知能アプローチ」という提案を行っています

ディープラーニングモデルアーキテクチャの一種であるTransformerは、多くの最先端のAIモデルの文脈で使われます。これらは人...

機械学習

「大規模言語モデルの微調整方法:ステップバイステップガイド」

2023年、アルパカ、ファルコン、ラマ2、およびGPT-4のような大規模言語モデル(LLM)の台頭は、人工知能の民主化の傾向を示し...

人工知能

コンテンツクリエイター向けの20のクロードのプロンプト

「ここには、Claudeにコピー&ペーストできる20のプロンプトがありますこれを使用して、オーディエンスを10倍速く成長させて...