ブリストル・マイヤーズ、Nvidia AIシステム購入
製薬大手のブリストル・マイヤーズ スクイブが、新世代アーキテクチャ「Vera Rubin」を採用したNvidia DGX SuperPODを購入し、創薬プロセスにおけるAI活用を大幅に強化する。
キーポイント
最新アーキテクチャの導入
同社は生命科学分野で初めて、Nvidiaの新世代基盤「Vera Rubin」を採用したDGX SuperPODを導入し、既存の2〜3世代前のシステムを補完・統合する。
創薬プロセスの加速
新システムにより、化合物やタンパク質の予測計算が可能となり、候補薬の評価数を「10件から数十件」へと拡大し、開発初期段階でのスクリーニング能力を向上させる。
リソースアクセスの民主化
従来は限定的だった計算資源へのアクセス制限や待機時間を解消し、研究組織内のより多くの科学者が直接AIリソースを利用できる環境を整備する。
予測先行アプローチによる効率化
BMS は「Predict First」という手法により、AI の予測結果を用いて合成前の段階で不適切な分子を除外し、実験に集中する候補を絞り込んでいます。
創薬プロセスの時間短縮
AI ツールの活用により臨床試験用の候補同定・製造にかかる時間が既に 20〜30% 短縮され、将来的には最大 50% の削減が見込まれています。
高度な AI ツールキットの導入
BMS は Nvidia の BioNeMo Agent Toolkit を利用し、タンパク質構造予測や分子生成など、複数の計算ツールを連携させた研究ワークフローを実現します。
統合インフラによる組織横断的なデータ活用
このシステムにより、ニュージャージー州のデータがサンディエゴの研究チームでも利用可能となり、実験や臨床結果などの情報が組織全体で共有・蓄積される。
重要な引用
Maybe before we could do 10 and now we can do dozens.
The existing infrastructure is operating at capacity.
「We use predictions as a way to prioritise synthesis of molecules with multi parameter optimisation. This ensures precious laboratory experiments are aligned with progressing molecules that have the highest probability of success.」
「The process has already been reduced by between 20% and 30% and could reach 50% in the coming years.」
"The compute infrastructure is what connects all of our scientists together and ensures that our learnings are institutionalised."
"Think of it as 10 times more compute capacity per watt spent … Electricity is not getting cheaper."
影響分析・編集コメントを表示
影響分析
この買収は、製薬業界におけるAI計算リソースの競合激化と、大規模モデルによる創薬プロセスの変革を示す象徴的な事例です。特にNvidiaの最新アーキテクチャが生命科学研究に即座に適用されることで、従来のシミュレーション手法では不可能だった大規模な化合物スクリーニングが可能となり、新薬開発のスピードと成功率向上に寄与すると期待されます。
編集コメント
生命科学研究におけるAIの役割が、単なる補助ツールから中核的な計算基盤へと急速にシフトしていることを示す重要な事例です。特にNvidiaの最新ハードウェアが即座に実社会の課題解決に応用されるスピードは、業界全体のパフォーマンス向上を加速させる要因となるでしょう。
ブリストル・マイヤーズ・スクイブ（BMS）は、チップメーカーである Nvidia の「Vera Rubin」アーキテクチャを採用した DGX SuperPOD を購入し、創薬および開発プロセス全体での AI 活用を強化します。
同製薬会社によると、これは Vera Rubin ベースの DGX SuperPOD を取得した世界初の生命科学研究グループとなります。Nvidia は今年初め、現在の AI コンピューティングシステムの後継としてこのアーキテクチャを発表しました。
計算能力の拡大
新しいクラスターは、8 つの DGX Vera Rubin NVL72 システムで構成されます。各ラックスケールシステムには、Nvidia の Vera CPU と Rubin GPU が組み込まれています。
BMS はこのインフラを活用して、独自モデルの学習や研究プログラム全体での予測実行を行います。化合物、タンパク質、その他の科学データに関連する作業もサポートします。
購入金額などの財務条件は非公表です。今回の購入により、BMS の既存の Nvidia インフラが拡張されます。同社 executives は、既存の SuperPOD が Vera Rubin よりも 2〜3 世代古いと述べていました。
BMS は既存の DGX SuperPOD を約 3 年間運用してきました。今後は、Vera Rubin システムと統合し、世界中の研究拠点からアクセス可能な共有コンピューティング環境を構築する計画です。
SuperPOD のソフトウェアスタックは、学習、予測、開発などのワークロードをインフラ全体でスケジューリングできます。BMS によると、拡張された環境により、より多くの科学者が計算リソースに直接アクセスできるようになります。
グリゴリー・マイヤーズ氏（BMS 最高デジタル技術責任者）は、同社が研究組織全体に大規模な AI モデルを展開するにつれ、計算リソースの需要が増加していると語った。
エリン・デイビス氏（BMS 研究ビジネスインサイト＆テクノロジー担当副社長）は、既存のインフラがすでに限界まで稼働していることを明かした。この需要の高まりは、大分子を扱う大規模な予測や、社内基盤モデルの開発によるものだと説明している。
デイビス氏は、新システムが一部の計算研究者に限定されることはないとも指摘。BMS は現在のような待ち時間やアクセス制限なく、研究組織全体で利用可能にする計画だ。
創薬への AI の活用
BMS によると、AI はすべての低分子プログラムの設計と、大分子プログラムの大半の設計に不可欠な要素となっている。この技術は、標的の同定、リード最適化、大分子予測、そして社内モデルの開発に応用されている。
同社によれば、AI を活用した標的同定により、従来の手作業による研究が数週間短縮されたという。また、大分子予測の処理負荷も、追加の GPU 容量を必要とする要因となっている。
ロバート・プランジ氏（BMS 最高研究責任者）は、新システムによって科学者は開発初期段階でより多くの候補薬を評価できるようになると述べた。
「以前なら 10 件程度が限界だったが、今は数十件を扱えるようになった」とプランジ氏は語っている。
計算スクリーニングにより、研究者は合成や実験室試験を行う前に候補化合物を評価できます。
BMS はこの手法を「Predict First」と呼ぶアプローチで実践しています。これはモデルが生成した予測を用いて、必要な特性を満たさない分子を事前に除外し、合成対象の候補を選定するものです。
BMS の治療薬発見科学担当シニアバイスプレジデントである Payal Sheth 氏は、研究者たちはこれらの予測を活用して、必要な特性の組み合わせを持つ分子を特定していると説明しました。
「私たちは、多パラメータ最適化を満たす分子の合成優先順位を決めるために予測を利用しています。これにより、貴重な実験室での試験が、成功確率の高い分子の開発に集中できるようになります」と Sheth 氏は述べています。
この手法により、実験室試験の対象となる化合物数を絞り込み、研究者はプログラムで予測された要件を満たす分子に実験を集中させることが可能になります。
また BMS は、AI を活用してがんを引き起こすタンパク質を選択的に分解するように設計された CELMoD 化合物のライブラリも拡大しています。同社は現在、これらの化合物を血液がんやその他の疾患の治療に応用する研究を進めています。
BMS によると、このモデリング作業は、実験的に追跡する候補を決める前に、追加のタンパク質ターゲットや潜在的な化合物を検証する上で研究者を支援したとしています。
同社はまた、臨床試験用の医薬品製造に要する時間を短縮するためにも AI ツールを活用しています。Plenge 氏は、このプロセスはすでに 20〜30% 短縮されており、今後数年で最大 50% の削減が可能になると述べています。
具体例として、Plenge 氏は早期臨床開発段階にある鎌状赤血球症の治療薬の事例を挙げました。同社の AI ツールがなければ、この治療法が発見されなかった可能性が高いと指摘しています。
ここで示された数値は、試験後の実際の効果ではなく、臨床試験に供する候補物質の特定および製造にかかる時間を指すものです。
Vera Rubin システムを利用することで、研究者らは生物学的・創薬用途向けの Nvidia「BioNeMo Agent Toolkit」にもアクセスできるようになります。
BioNeMo は、タンパク質構造予測、分子生成、分子ドッキング、配列解析、ゲノム解析などを実現するツール群を提供します。また、同一の研究ワークフロー内で複数の計算ツールを連携させることも可能です。
BMS の経営陣は、モデルの出力結果については引き続き人間がレビューし、どの化合物やプログラムを進めるかを最終決定すると明言しています。
研究現場への接続強化
BMS は、複雑なコンピューティングタスクを開始するために必要な専門知識を削減するためのツールを導入します。同社によると、研究者らは自然言語による指示だけで、一部の予測リクエストを開始できるようになります。
この環境は、Nvidia Mission Control を通じて管理されます。BMS によると、同プラットフォームの機能にはクラスターの用意、インフラストラクチャの監視、ワークロード管理などが含まれます。
統合されたインフラにより、ある拠点で生成されたデータやモデルの出力を、他の拠点のチームが活用できるようになります。例えば、ニュージャージー州ローレンスビルで行われたプログラムのデータセットは、サンディエゴの研究員が使用するモデルに取り込むことが可能です。
Sheth 氏は、この共有環境が組織全体の実験や研究プログラムからの情報を保持することを目的としていると説明しました。
「計算インフラこそが、すべての科学者を結びつけ、得られた知見を組織に定着させるものです」と Sheth 氏は述べています。
2 つの SuperPOD は共通データ環境を通じて稼働し、異なる拠点のチームが共有データセットやモデル出力にアクセスできるようになります。BMS によれば、この環境には実験結果、臨床データの読み取り値、研究パートナーシップに関する情報などが含まれます。
同社は、新しい計算リソースを小分子・大分子の設計、臨床研究、デジタルツイン応用の各領域に配分する計画です。ただし、BMS はデジタルツイン関連の詳細や、各領域に割り当てられる容量の具体的な数値については明かさませんでした。
Meyers 氏は、Vera Rubin システムは電力使用量に対する計算能力の面で優れていると指摘しました。BMS と Nvidia によると、8 台のシステムで構成されるこのクラスターは、置き換える既存インフラに比べて、メガワットあたりの性能が最大 10 倍になるとしています。
「これらのシステムを運用する際には、電気代がかかります」とマイヤーズ氏は指摘します。「1 ワットあたりの計算能力が 10 倍になるようなものだと考えてください。しかし、電気料金が安くなる見込みはありません。」
BMS は、この新システムの具体的な導入時期やホスト先については明言していません。
（写真：Chidera Faustina Okeke 氏提供）
関連記事：米国の公衆衛生機関が OpenAI と Anthropic の AI モデルのテストを開始
業界リーダーから AI やビッグデータについて学びたい方へ。アムステルダム、カリフォルニア、ロンドンで開催される「AI & Big Data Expo」にご参加ください。この包括的なイベントは TechEx の一部であり、サイバーセキュリティ＆クラウドエキスポなど他の主要な技術イベントと併催されます。詳細はこちらをクリックしてください。
AI News は TechForge Media によって運営されています。その他の企業向けテクノロジーイベントやウェビナーについては、こちらをご覧ください。
本記事「Bristol Myers Squibb が創薬のために Nvidia の AI システムを購入」は、AI News に最初に掲載されました。
原文を表示
Bristol Myers Squibb is purchasing an Nvidia DGX SuperPOD built on the chipmaker’s Vera Rubin architecture to support artificial intelligence use across its drug discovery and development operations.
The pharmaceutical company said it will be the first life sciences group to acquire a DGX SuperPOD based on Vera Rubin. Nvidia introduced the architecture earlier this year as the successor to its current generation of AI computing systems.
Expanding computing capacity
The new cluster will comprise eight DGX Vera Rubin NVL72 systems, with each rack-scale system combining Nvidia Vera central processing units and Rubin graphics processing units.
BMS will use the infrastructure to train proprietary models and run predictions across its research programmes. The system will support work involving compounds, proteins, and other scientific data.
Financial terms were not disclosed. The purchase expands BMS’s existing Nvidia infrastructure, which includes an older SuperPOD that company executives described as two or three generations behind Vera Rubin.
BMS has operated its existing DGX SuperPOD for about three years. The company plans to combine it with the Vera Rubin system in a shared computing environment accessible from its research sites worldwide.
The SuperPOD software stack can schedule training, prediction, and development workloads across the infrastructure. BMS said the expanded environment will give more scientists direct access to its computing resources.
Greg Meyers, BMS’s chief digital and technology officer, said computing requirements have increased as the company deploys larger AI models across its research organisation.
Erin Davis, vice president of research business insights and technology at BMS, said the existing infrastructure is operating at capacity. She attributed the demand to large-scale predictions involving large molecules and the development of internal foundation models.
Davis said the new system will not be limited to a small group of computational researchers. BMS plans to make it available across the research organisation without the waiting periods and access limits associated with its current infrastructure.
Applying AI in drug discovery
BMS said AI informs the design of every small-molecule programme and the majority of its large-molecule programmes. The technology is applied to target identification, lead optimisation, large-molecule predictions, and internal model development.
The company said AI-enabled target identification has reduced some manual research work by several weeks. Large-molecule prediction workloads are also contributing to demand for additional graphics processing capacity.
Robert Plenge, BMS’s chief research officer, said the new system will allow scientists to evaluate more potential drug candidates during the early stages of development.
“Maybe before we could do 10 and now we can do dozens,” Plenge said.
Computational screening allows researchers to assess potential compounds before selecting a smaller group for synthesis and laboratory testing.
BMS applies this approach through a method it calls “Predict First,” which uses model-generated predictions to exclude molecules that do not meet the required properties before candidates are selected for synthesis.
Payal Sheth, senior vice president of therapeutic discovery sciences at BMS, said researchers use the predictions to identify molecules with the required combination of properties.
“We use predictions as a way to prioritise synthesis of molecules with multi parameter optimisation,” Sheth said. “This ensures precious laboratory experiments are aligned with progressing molecules that have the highest probability of success.”
The method narrows the number of compounds sent for laboratory testing, allowing researchers to focus experiments on molecules that meet a programme’s predicted requirements.
BMS has also used AI to expand its library of CELMoD compounds, which are engineered to selectively degrade cancer-causing proteins. The company is studying the compounds in blood cancers and other diseases.
BMS said the modelling work helped researchers examine additional protein targets and potential compounds before deciding which candidates to pursue experimentally.
The company is also using AI tools to shorten the time required to produce medicines for clinical trials. Plenge said the process has already been reduced by between 20% and 30% and could reach 50% in the coming years.
He cited an experimental sickle cell disease treatment in early clinical development as one example of AI-supported research. Plenge said the treatment probably would not have been discovered without the company’s AI tools.
The figures refer to the time required to identify and produce candidates for clinical testing rather than their subsequent performance in trials.
The Vera Rubin system will also give researchers access to Nvidia’s BioNeMo Agent Toolkit for biological and drug-discovery applications.
BioNeMo provides tools for protein-structure prediction, molecular generation, molecular docking, sequence analysis, and genomics. It can also connect several computational tools within the same research workflow.
BMS executives said human researchers will continue to review model outputs and decide which compounds or programmes should advance.
Connecting research sites
BMS is introducing tools intended to reduce the specialist knowledge required to initiate complex computing tasks. The company said researchers will be able to start some prediction requests using natural-language instructions.
The environment will be managed through Nvidia Mission Control, whose functions include cluster provisioning, infrastructure monitoring, and workload management, according to BMS.
The unified infrastructure will allow data and model outputs generated at one site to be used by teams elsewhere. BMS said datasets from a programme in Lawrenceville, New Jersey, for example, can be incorporated into models used by researchers in San Diego.
Sheth said the shared environment is intended to retain information from experiments and research programmes across the organisation.
“The compute infrastructure is what connects all of our scientists together and ensures that our learnings are institutionalised,” Sheth said.
The two SuperPODs will operate through a common data environment, allowing teams at different sites to access shared datasets and model outputs. BMS said the environment will include information from experiments, clinical readouts, and research partnerships.
The company plans to allocate the new computing capacity across small- and large-molecule design, clinical research, and digital-twin applications. BMS did not provide details about the planned digital-twin work or the amount of capacity assigned to each area.
Meyers said the Vera Rubin system will provide more computing capacity relative to its electricity use. BMS and Nvidia said the eight-system cluster will deliver up to 10 times the performance per megawatt of the infrastructure it replaces.
“When you host these things, you have to pay an electric bill,” Meyers said. “Think of it as 10 times more compute capacity per watt spent … Electricity is not getting cheaper.”
BMS did not provide a specific deployment date or identify where the new system will be hosted.
(Photo by Chidera Faustina Okeke)
See also: US public health agencies to test OpenAI and Anthropic AI models
Want to learn more about AI and big data from industry leaders? Check out AI & Big Data Expo taking place in Amsterdam, California, and London. The comprehensive event is part of TechEx and is co-located with other leading technology events including the Cyber Security & Cloud Expo. Click here for more information.
AI News is powered by TechForge Media. Explore other upcoming enterprise technology events and webinars here.
The post Bristol Myers Squibb buys Nvidia AI system for drug discovery appeared first on AI News.
関連記事
今日のまとめ
AI日報で今日の重要ニュースをまとめ読み