ブリストル・マイヤーズ スクイブ、NVIDIA Vera Rubin上に生命科学業界で最も先進的なAIファクトリーを構築

ブリストル・マイヤーズ スクイブ（BMS）は本日、2台目のNVIDIA DGX SuperPODの導入を発表しました。このクラスターは8基のDGX Vera Rubin NVL72システムで構成され、生命科学分野で最も強力かつエネルギー効率の高いAIクラスターとなります。BMSの研究ビジネスインサイト・テクノロジー担当バイスプレジデント、エリン・デイビス氏はこれを「SuperDuperPOD」と呼んでいます。このニックネームには二重の意味があります。BMSはすでに生命科学分野で最大級のAIクラスターを運用し、目覚ましい成果を上げています。そして今回、さらに倍増させるのです。

新しいクラスターはNVIDIA Vera CPUとRubin GPUを搭載し、1メガワットあたりの性能は従来の10倍です。これにより、世界的な製薬大手の研究者は、生物学的AIのためのNVIDIA BioNeMo Agent Toolkitを含む統合AIプラットフォームにアクセスでき、創薬パイプライン全体にわたって予測、モデルトレーニング、エージェンティックワークフローを実行できるようになります。デイビス氏は「少数の研究者グループにスーパーコンピューターへのアクセスを提供するのではなく、文字通りすべての科学者に門戸を開きます。誰も待つ必要はなく、制限もありません」と述べています。

BMSは約3年間DGX SuperPODを運用し、具体的な成果を上げてきました。AIを活用した標的同定により、科学者は数週間分の手作業を節約し、最も価値の高い科学的判断に集中できるようになりました。BMSのチームはAIを用いてCELMoD化合物のライブラリを拡大しました。これらの分子はがん原因タンパク質を選択的に分解するように設計されており、血液がん治療などへの応用が期待されています。これにより、より広範な疾患に対する新たな標的と潜在的な医薬品への道が開かれました。AIはまた、シース氏が「Predict First」と呼ぶ方法論を用いた創薬のリード最適化段階にも適用されており、設計予測に基づいて実験のゲーティングを決定します。

「私たちは予測を利用して、多パラメータ最適化を施した分子の合成を優先します」と、BMSの治療発見科学担当上級副社長（1月に就任）であるパヤル・シース氏は説明します。「目的とする特性プロファイルを満たさない分子をふるい落とし、貴重な実験室での実験を成功確率の最も高い分子に集中させます。」

これらの研究におけるAIアプリケーションは、研究組織全体の計算ニーズに大きな影響を与えています。「私たちは飽和状態です」とデイビス氏は言います。「大規模な分子予測を本番運用しており、独自の基盤モデルも構築しています。これには多くのGPUが必要です。」新システムの導入に伴い、デイビス氏は研究者に向けて「Limitless Computeへようこそ」というメッセージを用意しています。

デイビス氏はもともと計算化学者で、長年研究に携わった後、技術が追いついていないと結論づけ、その問題を解決する道を選びました。ChemAxon、Schrödinger、X-Chemなどのベンダー側で約15年間エンタープライズプラットフォームを構築してきました。どの企業でも製薬業界は同じボトルネックに直面していました。「問題は技術ではありません」と彼女は言います。「課題は、それを実際の科学者の手に渡し、そこから学ぶ方法です。」彼女は個人的にその重要性を痛感しています。5年前に父親をアルツハイマー病で亡くしたからです。BMSは脳科学に多額の投資を行っていますが、これは極めて困難な分野です。「たとえ父が亡くなる運命にあったとしても、途中で症状を緩和できれば、家族全員の苦しみが軽減されたでしょう。認知症は特に残酷です。」

デイビス氏のチームは、既存のDGX SuperPODと新しいDGX Vera Rubin NVL72搭載システムを統合し、単一のデータプレーンとしてBMSの全拠点からアクセス可能にします。過去の買収に起因するサイト固有の制限や高度な計算専門知識の必要性など、以前のシステムへのアクセスを困難にしていた障壁は、NVIDIA Mission Controlを通じて管理されるAIネイティブツールに置き換えられます。研究者は平易な英語で複雑な予測を開始できるようになります。

「計算インフラストラクチャは、すべての科学者をつなぎ、学習を組織全体で共有することを可能にします」とシース氏は説明します。ニュージャージー州ローレンスビルで実行されたプログラムのデータセットが、カリフォルニア州サンディエゴのチームが利用できるモデルをトレーニングします。学習内容は「私たちが取り組むあらゆるプログラムのコンテキストで適用できます」。

「今日の創薬には、私がキャリアを始めた頃には存在しなかった累積的な学習ループがあります」とシース氏は言います。「以前はプロジェクトごとに異なる扱いを受け、個別の学習が創薬内のインテリジェンスフレームワークに統合されることはありませんでした。」現在BMSはAIを活用してこの学習ループを発見システムに拡大し、すべての実験、臨床結果、パートナーシップがより確かな科学的判断へと迅速につながるようにしています。

エージェンティックワークフローはR&Dのアーキテクチャをさらに強化します。「エージェントは制約を気にしません」とデイビス氏は言います。「彼らはあらゆる場所を横断します。これは大きなゲームチェンジャーです。なぜなら、サイロやプログラムを超えた意思決定から学習できるようになるからです。」科学者が十分に検証され、完全に訓練され、BMSの知識を組み込んだ仮想科学者の軍団を利用できるようになれば、「あなた自身がまるでチーム全体のような存在になります」。

シース氏は、人間の直感は置き換えられるものではなく、「より定量的な洞察と予測で強化される」と述べています。その能力を計算で拡張することこそが「AIのインパクトが完全に実現されるエキサイティングな領域」だと彼女は言います。「それでも人間の脳が主導し、注意点や落とし穴を探し、知識の活用方法を教える必要があります」とデイビス氏は付け加えます。「しかし、これにより個人の能力は大幅に向上します。」

デイビス氏によれば、新システムには詳細な計画がすでに策定されています。小分子・大分子設計から臨床応用、デジタルツインに至るまで、モダリティ全体にわたる詳細な割り当てが行われています。「私たちは最大の計算能力を得るためだけにこれを購入したわけではありません」と彼女は言います。「SuperDuperPODは基本的に創薬のあらゆる段階に存在します。」BMSの最高デジタル・テクノロジー責任者グレッグ・メイヤーズ氏が、このスーパーデューパーポッドを本当に飽和させることができるのかと尋ねたとき、彼女の答えは簡潔でした。「時間をください。」