ブリストル・マイヤーズ、Nvidia AIシステム購入

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。

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。