Bristol Myers Squibb நிறுவனம், மருந்து கண்டுபிடிப்பு மற்றும் மேம்பாட்டு பணிகளை வேகப்படுத்த Nvidia-வின் சக்திவாய்ந்த DGX SuperPOD AI சிஸ்டத்தை வாங்கியுள்ளது. இந்த முதலீடு, நவீன மருத்துவ ஆராய்ச்சியில் உயர் செயல்திறன் கணினி தொழில்நுட்பத்தின் முக்கியத்துவத்தை காட்டுகிறது.
Bristol Myers Squibb நிறுவனம், Nvidia-வின் புதிய Vera Rubin கட்டமைப்பால் இயங்கும் DGX SuperPOD அமைப்பை வாங்கிய முதல் லைஃப் சயின்ஸ் நிறுவனமாக உருவெடுத்துள்ளது. இந்த உயர் செயல்திறன் கணினி அமைப்பு, நவீன மருந்து கண்டுபிடிப்பின் சிக்கலான தரவு தேவைகளை கையாளும் வகையில் வடிவமைக்கப்பட்டுள்ளது. இந்த கட்டமைப்பை பயன்படுத்துவதன் மூலம், நிறுவனம் தனது உள் AI மாடல்களை அளவிட்டு, மருந்து வேட்பாளர்களை (drug candidates) மிகவும் திறமையாக அடையாளம் காணவும் பகுப்பாய்வு செய்யவும் திட்டமிட்டுள்ளது.
AI மூலம் மருந்து கண்டுபிடிப்பை அளவிடுதல்
மருந்து ஆராய்ச்சி துறை, தரவு சார்ந்த செயல்முறைகளை நோக்கி வேகமாக நகர்கிறது. இந்த புதிய Nvidia சிஸ்டம், Bristol Myers Squibb நிறுவனத்தை டஜன் கணக்கான மருந்து இலக்குகளை பகுப்பாய்வு செய்வதிலிருந்து நூற்றுக்கணக்கானவற்றை பகுப்பாய்வு செய்ய உதவும். நிறுவன அதிகாரிகள் குறிப்பிட்டுள்ளபடி, AI-இயங்கும் கருவிகள் ஏற்கனவே மருந்து பரிசோதனை கட்டத்திற்கு நகர்த்துவதற்கான நேரத்தை 20% முதல் 30% வரை குறைக்க உதவுகின்றன. இந்த தொழில்நுட்பம் அவர்களின் ஆராய்ச்சி செயல்முறைகளில் ஆழமாக ஒருங்கிணைக்கப்படுவதால், இந்த செயல்திறன் அதிகரிப்பு இறுதியில் 50% ஐ எட்டும் என்று எதிர்பார்க்கப்படுகிறது.
செயல்பாட்டுத் திறனில் கவனம்
நிறுவனத்தின் தலைமை டிஜிட்டல் மற்றும் தொழில்நுட்ப அதிகாரி Greg Meyers, மூல கணினி சக்தியைத் தாண்டி, ஆற்றல் திறன் இந்த முடிவில் ஒரு முக்கிய காரணி என்று வலியுறுத்தியுள்ளார். ஆராய்ச்சி ஆய்வகங்களுக்கு பெரிய AI மாடல்களைச் செயலாக்க அதிக சக்தி தேவைப்படும்போது, ஒரு வாட்டிற்கு அதிக கணினித் திறனை அடையும் திறன், அதிகரித்து வரும் மின்சார செலவுகளை நிர்வகிக்க உதவுகிறது. இந்த ஹார்டுவேர் மேம்படுத்தல், நிறுவனத்தின் மருந்துத் தடத்தில் அடிப்படை வாய்ந்த சிறிய-மூலக்கூறு மற்றும் பெரிய-மூலக்கூறு ஆராய்ச்சி திட்டங்களுக்கு ஆதரவளிக்கிறது.
மூலோபாய சூழல் மற்றும் தொழில்துறை போக்குகள்
இந்த முதலீடு, மருந்துத் துறையில் பரவலான போக்கைப் பிரதிபலிக்கிறது. அங்கு பெரிய நிறுவனங்கள் பாரம்பரியமான 'trial-and-error' கண்டுபிடிப்பு முறைகளிலிருந்து விலகி, அதிவேக சிமுலேஷன்களுக்கு (simulations) மாறுகின்றன. நிறுவனங்கள், மருந்து மேம்பாட்டுடன் தொடர்புடைய அதிக செலவுகள் மற்றும் நீண்ட காலக்கெடுவைக் குறைக்க AI-யில் பெருமளவில் முதலீடு செய்கின்றன. ஆரம்பக்கட்ட ஆராய்ச்சி கட்டத்தைக் குறைப்பதன் மூலம், மருந்து நிறுவனங்கள் கடைசி கட்ட மருத்துவ பரிசோதனை தோல்விகளின் அபாயத்தைக் குறைக்க முயல்கின்றன, இது தொழில்துறையில் நிதி இழப்பின் முக்கிய ஆதாரமாக உள்ளது.
முதலீட்டாளர்கள் கண்காணிக்க வேண்டியவை
இந்த ஒப்பந்தத்தின் குறிப்பிட்ட நிதி விதிமுறைகள் வெளியிடப்படவில்லை என்றாலும், முதலீட்டாளர்கள் இந்த முதலீடுகள் நிறுவனத்தின் நீண்டகால ஆராய்ச்சி மற்றும் மேம்பாட்டு செலவுகளை எவ்வாறு பாதிக்கின்றன என்பது குறித்த புதுப்பிப்புகளுக்கு காத்திருக்கலாம். கணினியின் முழு செயல்பாட்டு பயன்பாட்டிற்கான காலக்கெடு, மருந்து வேட்பாளர் கண்டறிதலின் வேகத்தில் ஏற்படும் தாக்கம் மற்றும் இந்த புதிய கணினி சக்தியால் ஆதரிக்கப்படும் மருத்துவ பரிசோதனைகளின் வெற்றி விகிதங்கள் குறித்த எதிர்கால புதுப்பிப்புகள் ஆகியவை முக்கியமாக கண்காணிக்கப்பட வேண்டும். இந்த செயல்திறன் அதிகரிப்புகள் எவ்வாறு குறைந்த மேம்பாட்டு செலவுகளுக்கு அல்லது புதிய சிகிச்சைகளுக்கான விரைவான சந்தை நேரத்திற்கு வழிவகுக்கிறது என்பதைக் கண்காணிப்பது, இந்த மூலதன ஒதுக்கீட்டின் மதிப்பை மதிப்பிடுவதற்கு அவசியமானதாக இருக்கும்.