0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
会员中心
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

NVIDIA A100 GPU助力德睿智药加速创新药物研发

NVIDIA英伟达企业解决方案 来源:NVIDIA英伟达中国 作者:NVIDIA英伟达中国 2021-09-17 09:33 次阅读

德睿智药是一家运用AI技术驱动药物研发的科技公司,其自研的一站式AI药物研发平台Molecule Pro、分子动力学平台MoleculeDance可为小分子药物临床前开发大幅节省研发时间及成本。德睿智药的部分AI解决方案是通过使用NVIDIA A100 GPU实现的,德睿团队的研发效率也得以大幅提升。

GPU提速算法训练速度数十倍以上

目前针对难成药靶点的相关技术正处于突破的临界点,人工智能技术为加速创新药物及难成药靶点的药物开发带来了新的可能。例如AlphaFold2通过人工智能从一维序列信息推演蛋白质的三维结构证明了人工智能等相关算法可以攻克传统技术难以解决的问题。

德睿智药自主研发的Molecule Pro平台中AI分子生成,虚拟筛选和分子动力学等相关技术需要强劲的算力支持。使用普通的主流显卡进行一次模拟往往需要长达一周的时间,但通过NVIDIA A100 Tensor Core GPU搭建高性能分布式计算平台,不仅可以快速处理数十亿级别海量药物化学信息,而且借助其强大算力,相关模型训练速度可以提升10倍以上。

为了更大限度地利用GPU算力资源,德睿团队使用多台GPU服务器组成集群,用Kubernetes配合NVIDIA-docker实现容器化模型的弹性编排和资源分配,把任务动态分散到多台服务器上,利用A100 GPU的强大算力和超大显存实现大规模并行计算,大大缩短了原本计算所需时间。

采用算法结合NVIDIA A100 GPU平台可以从亿量级化合物库、蛋白质库及结合数据库中快速寻找出潜在规律。同样价格的硬件环境下,团队通过该平台流程进行计算的速度比传统流程快60%以上。

助力企业大幅提升药物开发效率

新药研发是一项环节多、时间长、风险高的系统性工程。早期药物发现花销占新药研发成本和综合周期的1/3,且大部分临床阶段的失败源自于临床前分子设计的缺陷。德睿智药团队将以此为切入点,依托AI辅助药物研发技术,借助NVIDIA GPU的加速,致力于打造领先的AI生物医药引擎,聚焦临床前药物研发。

德睿智药创始人兼CEO牛张明表示,“我们高兴地看到:通过使用NVIDIA A100 GPU让我们在AI分子设计/生成、虚拟筛选、分子动力学模拟等任务上效率大大提高。”

编辑:jq

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • NVIDIA
    +关注

    关注

    14

    文章

    4978

    浏览量

    102990
  • gpu
    gpu
    +关注

    关注

    28

    文章

    4729

    浏览量

    128890
  • 服务器
    +关注

    关注

    12

    文章

    9123

    浏览量

    85329
  • AI
    AI
    +关注

    关注

    87

    文章

    30728

    浏览量

    268892

原文标题:初创加速 | GPU助力德睿智药加速创新药物研发

文章出处:【微信号:NVIDIA-Enterprise,微信公众号:NVIDIA英伟达企业解决方案】欢迎添加关注!文章转载请注明出处。

收藏 人收藏

    评论

    相关推荐

    《CST Studio Suite 2024 GPU加速计算指南》

    的各个方面,包括硬件支持、操作系统支持、许可证、GPU计算的启用、NVIDIA和AMD GPU的详细信息以及相关的使用指南和故障排除等内容。 1. 硬件支持 - NVIDIA
    发表于 12-16 14:25

    NVIDIA AI正加速推进药物研发

    在当前的医疗健康领域,AI 的重要性愈发凸显。NVIDIA AI 正加速推进药物研发,致力于减少药物
    的头像 发表于 11-19 16:07 226次阅读

    NVIDIA AI助力日本制药公司推进药物研发

    制药公司、医疗技术公司和学术研究人员正在开发主权 AI 能力,以驱动药物发现、加速基因组学和医疗设备。
    的头像 发表于 11-19 15:40 276次阅读

    日本企业借助NVIDIA产品加速AI创新

    日本领先企业和大学正在使用 NVIDIA NeMo、NIM 微服务和 NVIDIA Isaac 加速 AI 创新
    的头像 发表于 11-19 14:34 282次阅读

    科技创新测试技术,助力汽车芯片加速发展

    推进汽车芯片标准研制和贯彻实施,助力汽车芯片研发应用。作为全球领先的测试测量厂商,是科技参与该指南的多个工作组,帮助相关项目实现测试测量需求。   汽车芯片测试的挑战   日前,在无锡举办的2024中国集成电路设计
    的头像 发表于 10-25 18:11 1292次阅读
    是<b class='flag-5'>德</b>科技<b class='flag-5'>创新</b>测试技术,<b class='flag-5'>助力</b>汽车芯片<b class='flag-5'>加速</b>发展

    NVIDIA和Recursion利用AI超级计算机加快新药研发

    BioHive 由 NVIDIA AI 驱动,用于加速医疗领域科学家的工作。在全球超级计算机 TOP500 榜单中,它的排名上升了 100 多位。
    的头像 发表于 05-16 09:46 1262次阅读
    <b class='flag-5'>NVIDIA</b>和Recursion利用AI超级计算机加快<b class='flag-5'>新药</b><b class='flag-5'>研发</b>

    谷歌DeepMind推出新一代药物研发AI模型AlphaFold 3

    谷歌DeepMind公司近日重磅推出了一款名为AlphaFold 3的全新药物研发AI模型,这一创新技术将为科学家们提供前所未有的帮助,使他们能更精确地理解疾病机制,进而开发出更高效的治疗药物
    的头像 发表于 05-10 09:35 392次阅读

    NVIDIA AI助力百余家公司加速药物研发创新

    药物研发领域,NVIDIA的AI技术正发挥着日益重要的作用。Cadence、Iambic Therapeutics等超过100家公司已采用NVID
    的头像 发表于 03-27 10:31 415次阅读

    NVIDIA BioNeMo全新基础模型拓展对计算机辅助药物研发的支持

    Cadence、Iambic Therapeutics 等 100 多家公司采用 NVIDIA AI 来推动计算机辅助药物研发和生成式 AI 的发展。
    的头像 发表于 03-25 11:01 480次阅读

    英伟达H200和A100的区别

    英伟达H200和A100两款芯片在性能、架构、内存以及应用场景等多个方面存在显著的区别。
    的头像 发表于 03-07 16:23 3597次阅读

    英伟达H200和A100的差异

    英伟达H200和A100在多个方面存在差异。
    的头像 发表于 03-07 16:18 2532次阅读

    NVIDIA将在今年第二季度发布Blackwell架构的新一代GPU加速器“B100

    根据各方信息和路线图,NVIDIA预计会在今年第二季度发布Blackwell架构的新一代GPU加速器“B100”。
    的头像 发表于 03-04 09:33 1312次阅读
    <b class='flag-5'>NVIDIA</b>将在今年第二季度发布Blackwell架构的新一代<b class='flag-5'>GPU</b><b class='flag-5'>加速</b>器“B<b class='flag-5'>100</b>”

    睿智与复宏汉霖达成战略合作,共同研发AI赋能的ADC药物和抗衰老疗法平台

    2024年1月19日,临床阶段AI驱动的创新药物研发公司睿智宣布与上海复宏汉霖生物技术股份有限公司(以下简称“复宏汉霖”)达成战略合作,
    的头像 发表于 01-26 18:14 2458次阅读

    NVIDIA生成式AI开启药物研发与设计的新纪元

    NVIDIA BioNeMo 现已提供十余个生成式 AI 模型以及云服务,正在推动计算机辅助药物发现生态系统的发展。
    的头像 发表于 01-10 16:00 528次阅读
    <b class='flag-5'>NVIDIA</b>生成式AI开启<b class='flag-5'>药物</b><b class='flag-5'>研发</b>与设计的新纪元

    英伟达vs.华为/海思:GPU性能一览

    NVIDIA NVLink采用全网状拓扑,如下所示,(双向)GPU-to-GPU 最大带宽可达到400GB/s (需要注意的是,下方展示的是8*A100模块时的600GB/s速率,8*A
    的头像 发表于 12-27 16:49 1900次阅读
    英伟达vs.华为/海思:<b class='flag-5'>GPU</b>性能一览