Bristol Myers Squibb: Nvidia AI સિસ્ટમ ખરીદી, દવા સંશોધનમાં આવશે તેજી!

TECHNOLOGY
Whalesbook Logo
AuthorAman Ahuja|Published at:
Bristol Myers Squibb: Nvidia AI સિસ્ટમ ખરીદી, દવા સંશોધનમાં આવશે તેજી!

Bristol Myers Squibb (BMS) એ પોતાની દવા શોધ અને વિકાસ પ્રક્રિયાને ઝડપી બનાવવા માટે Nvidia ની અદ્યતન DGX SuperPOD સિસ્ટમ ખરીદી છે. આ AI ઇન્ફ્રાસ્ટ્રક્ચરનો ઉપયોગ કરીને, કંપની વધુ દવા ઉમેદવારોનું ઝડપથી વિશ્લેષણ કરી શકશે અને ક્લિનિકલ ટ્રાયલ સફળતા દરમાં સુધારો કરી શકશે.

AI દ્વારા દવા શોધનું વિસ્તરણ

Bristol Myers Squibb (BMS) હવે Nvidia ની DGX SuperPOD સિસ્ટમ ખરીદનાર પ્રથમ લાઇફ સાયન્સ કંપની બની ગઈ છે. આ સુપરકોમ્પ્યુટર, જે નવી Vera Rubin આર્કિટેક્ચર દ્વારા સંચાલિત છે, તે આધુનિક દવા શોધ માટે જરૂરી જટિલ ડેટાની જરૂરિયાતોને પહોંચી વળવા માટે બનાવવામાં આવ્યું છે. આ સિસ્ટમનો ઉપયોગ કરીને, કંપની તેના આંતરિક AI મોડેલોને સ્કેલ કરી શકશે અને દવા ઉમેદવારોને વધુ અસરકારક રીતે ઓળખી અને તેનું વિશ્લેષણ કરી શકશે.

કાર્યક્ષમતામાં મોટો સુધારો

આ નવા Nvidia સિસ્ટમ સાથે, Bristol Myers Squibb સંભવિત દવા ટાર્ગેટ્સના ડઝનેક વિશ્લેષણમાંથી સેંકડો સુધી પહોંચી શકશે. કંપનીના અધિકારીઓએ જણાવ્યું છે કે AI-આધારિત સાધનો પહેલેથી જ દવાઓને પરીક્ષણ તબક્કામાં લઈ જવા માટે જરૂરી સમયમાં 20% થી 30% નો ઘટાડો કરી રહ્યા છે. તેઓ અપેક્ષા રાખે છે કે જેમ જેમ આ ટેકનોલોજી તેમના સંશોધન કાર્યપ્રવાહમાં વધુ ઊંડાણપૂર્વક સંકલિત થશે, તેમ તેમ કાર્યક્ષમતામાં આ વધારો 50% સુધી પહોંચી શકે છે.

ઓપરેશનલ કાર્યક્ષમતા પર ફોકસ

કંપનીના ચીફ ડિજિટલ એન્ડ ટેકનોલોજી ઓફિસર, ગ્રેગ મેયર્સ (Greg Meyers), એ ભારપૂર્વક જણાવ્યું હતું કે કાચી કમ્પ્યુટિંગ શક્તિ ઉપરાંત, ઊર્જા કાર્યક્ષમતા પણ આ નિર્ણયમાં મુખ્ય પરિબળ છે. જેમ જેમ સંશોધન લેબને મોટા AI મોડેલો પર પ્રક્રિયા કરવા માટે વધુ પાવરની જરૂર પડે છે, તેમ તેમ પ્રતિ વોટ ઉચ્ચ કમ્પ્યુટ ક્ષમતા પ્રાપ્ત કરવાની ક્ષમતા વધતા વીજળી ખર્ચને નિયંત્રિત કરવામાં મદદ કરે છે. આ હાર્ડવેર અપગ્રેડ નાની-મોલેક્યુલ અને મોટી-મોલેક્યુલ સંશોધન કાર્યક્રમો બંનેને ટેકો આપે છે, જે કંપનીની ફાર્માસ્યુટિકલ પાઇપલાઇન માટે મૂળભૂત છે.

વ્યૂહાત્મક સંદર્ભ અને ઉદ્યોગના વલણો

આ રોકાણ ફાર્માસ્યુટિકલ ક્ષેત્રમાં એક વ્યાપક વલણને પ્રતિબિંબિત કરે છે, જ્યાં મોટી કંપનીઓ પરંપરાગત ટ્રાયલ-એન્ડ-એરર ડિસ્કવરી પદ્ધતિઓથી દૂર થઈ રહી છે અને તેના બદલે હાઇ-સ્પીડ સિમ્યુલેશન તરફ આગળ વધી રહી છે. કંપનીઓ દવા વિકાસ સાથે સંકળાયેલા ઊંચા ખર્ચ અને લાંબા સમયગાળાને ઘટાડવા માટે AI માં ભારે રોકાણ કરી રહી છે. પ્રારંભિક-તબક્કાના સંશોધન તબક્કાને ટૂંકાવીને, ફાર્માસ્યુટિકલ કંપનીઓનો ઉદ્દેશ્ય અંતિમ-તબક્કાની ક્લિનિકલ ટ્રાયલ નિષ્ફળતાના જોખમને ઘટાડવાનો છે, જે ઉદ્યોગ માટે નાણાકીય નુકશાનનું પ્રાથમિક સ્ત્રોત રહે છે.

રોકાણકારો શું ટ્રૅક કરે?

જોકે આ ડીલની ચોક્કસ નાણાકીય શરતો જાહેર કરવામાં આવી નથી, રોકાણકારો આ રોકાણો કંપનીના લાંબા ગાળાના સંશોધન અને વિકાસ ખર્ચને કેવી રીતે અસર કરે છે તે અંગેના અપડેટ્સ શોધી શકે છે. મુખ્ય ટ્રૅક કરી શકાય તેવી બાબતોમાં સિસ્ટમના સંપૂર્ણ સંચાલન માટેનો સમય, દવા ઉમેદવારની ઓળખની ગતિ પર અસર અને આ નવી કમ્પ્યુટિંગ પાવર દ્વારા સમર્થિત ક્લિનિકલ ટ્રાયલ્સના સફળતા દરો પરના કોઈપણ ભાવિ અપડેટ્સનો સમાવેશ થાય છે. આ કાર્યક્ષમતા લાભો કેવી રીતે નીચા વિકાસ ખર્ચ અથવા નવી થેરાપીઓ માટે ઝડપી સમય-બજારમાં અનુવાદિત થાય છે તેનું નિરીક્ષણ કરવું એ આ મૂડી ફાળવણીના મૂલ્યાંકન માટે આવશ્યક રહેશે.

Disclaimer: This article is published for informational purposes only. This is not a buy sell recommendation.