DDN的AI平臺可幫助遞歸地轉(zhuǎn)變藥物發(fā)現(xiàn)操作

DDN 宣布，其高性能 存儲解決方案 已幫助支持Recursion的更廣泛，更快和更高效的藥物發(fā)現(xiàn)研究和運營 ，該數(shù)字生物學公司通過自動化，人工智能和機器學習(ML)功能來發(fā)現(xiàn)新藥。閱讀“ 遞歸”案例研究 ，該 案例描述了基礎(chǔ)架構(gòu)的挑戰(zhàn)，解決方案和優(yōu)勢，并揭示了鹽湖城正在進行的具有全球影響力的工作的細節(jié)。

在大多數(shù)行業(yè)都在為不斷增加的藥物發(fā)現(xiàn)成本和上市時間挑戰(zhàn)而戰(zhàn)的情況下，遞歸采用了結(jié)合了科學技術(shù)方法的新方法。這就需要針對AI和ML進行全面優(yōu)化的高性能藥物發(fā)現(xiàn)處理，旨在從世界上最大的生物圖像庫中釋放最大的數(shù)據(jù)價值。

“我們的數(shù)據(jù)是我們的公司，因此我們需要強大的存儲架構(gòu)來支持AI驅(qū)動的模型，” Recursion的首席系統(tǒng)工程師Kris Howard說。“管理我們的大規(guī)模數(shù)據(jù)需求需要快速提取，優(yōu)化處理并減少應用程序運行時間。”

與DDN的領(lǐng)域?qū)＜液献?，Recursion最初創(chuàng)建了一個概念證明，其中包含DDN的 EXAScaler ES400NV和ES7990X并行文件系統(tǒng)設(shè)備，這些設(shè)備后來被擴展為2PBs的容量，用于登臺ML模型。全閃存層被用作充足的旋轉(zhuǎn)磁盤支持的文件系統(tǒng)的前端，每個文件的前64K存根到該層，然后加速訪問數(shù)據(jù)的第一部分，然后將其余部分流式傳輸?shù)叫D(zhuǎn)盤。

使用DDN，Recursion每周執(zhí)行約350,000個實驗，并針對數(shù)百種疾病模型篩選數(shù)千種化合物，而現(xiàn)在的成本和時間僅是傳統(tǒng)藥物發(fā)現(xiàn)方法的一小部分。DDN的混合高性能可擴展存儲解決方案針對AI和ML進行了全面優(yōu)化，有助于降低成本并提高生物學研究的效率。

DDN總裁兼聯(lián)合創(chuàng)始人Paul Bloch說：“ DDN作為存儲領(lǐng)導者的聲譽因我們成熟的解決方案和對AI數(shù)據(jù)存儲的日益關(guān)注而得到鞏固。” DDN利用智能基礎(chǔ)架構(gòu)來提供最全面的以數(shù)據(jù)為中心的以AI為中心的解決方案集，DDN靈活調(diào)整Recursion的配置以滿足特定工作負載的靈活性，帶來了強大的存儲，可無縫支持18個節(jié)點和136個GPU。作為遞歸的存儲基礎(chǔ)架構(gòu)提供者而受到信任是一項真正的榮譽，因為他們致力于破壞傳統(tǒng)的藥物發(fā)現(xiàn)方法并準確高效地確定疾病的治療方法。”

盡管傳統(tǒng)的存儲架構(gòu)無法滿足Recursion嚴格的高性能文件處理要求，但DDN的2PB高性能多層數(shù)據(jù)管理基礎(chǔ)架構(gòu)已幫助最大化GPU計算資源用于加速的AI工作流程。這種方法不僅為Recursion的苛刻工作負載提供了極快的性能，而且還有助于緩解文件訪問瓶頸，同時實現(xiàn)了對GPU的高效流傳輸。

“我們的DDN存儲非?？欤?rdquo;霍華德說。“ Flash層使文件訪問時間減少了40%，我們可以將GPU的利用率提高到100%，并固定在那里。從PFS訓練數(shù)據(jù)是非常不尋常的，但這對于我們的用例來說是一個完美的解決方案。”