Bristol Myers Squibb(BMS)는 신약개발 연구 전체에 AI를 확장하기 위해 두 번째 NVIDIA DGX SuperPOD를 배치한다고 밝혔어. 소수 연구자에게 슈퍼컴퓨터를 제공하는 데서 그치지 않고, 모든 과학자가 같은 컴퓨팅 환경을 쓰게 하겠다는 구상이야.1
이번에 BMS가 배치하는 건 두 번째 NVIDIA DGX SuperPOD야. NVIDIA Vera CPU와 Rubin GPU를 넣은 DGX Vera Rubin NVL72 시스템 8대로 구성되고, 회사는 교체되는 인프라보다 메가와트당 성능이 최대 10배 높다고 설명해. BMS가 붙인 별명은 ‘SuperDuperPOD’야.1
계산 자원을 연구자 모두에게 열면
BMS가 말하는 변화는 장비 구매보다 접근 방식에 가까워. 연구자들은 하나의 AI 플랫폼에서 예측을 실행하고, 모델을 훈련하고, 생물학적 AI 도구인 NVIDIA BioNeMo Agent Toolkit을 활용하는 작업을 하게 돼. 복잡한 예측도 NVIDIA Mission Control이 관리하는 도구를 통해 자연어로 시작할 수 있다고 해.1
기존 SuperPOD와 새 시스템은 전 세계 BMS 연구 거점에서 접근할 수 있는 하나의 환경으로 묶여. 뉴저지주 로렌스빌에서 만든 데이터로 학습한 모델을 샌디에이고 팀이 활용하는 식으로, 한 프로그램의 학습을 다른 프로그램에 다시 적용하려는 구조야.1
이미 쓰던 AI를 더 크게 돌리는 이유
BMS는 기존 DGX SuperPOD를 약 3년 동안 운영해 왔다고 밝혔어. AI를 이용한 표적 발굴은 과학자들의 수작업을 몇 주 줄였고, 암을 일으키는 단백질을 선택적으로 분해하도록 설계한 CELMoD 화합물 라이브러리를 넓히는 데도 활용됐어. 후보 물질을 합성하기 전에 예측으로 우선순위를 정하는 ‘Predict First’ 방식도 실험 단계로 넘길 물질을 고르는 데 쓰고 있고.1
이런 사용처가 계산 수요를 키웠다는 게 BMS의 설명이야. 대형 분자에 대한 대규모 예측을 실제 업무에서 돌리고 있고, 자체 파운데이션 모델도 만들고 있어서 GPU가 이미 포화 상태라는 거지. 새 시스템은 처음부터 분자 설계, 임상 응용, 디지털 트윈 등 여러 단계에 자원을 배분하는 계획과 함께 도입돼.1
연구 결과를 한 환경에서 이어 붙이면
BMS가 강조하는 핵심은 한 프로그램의 학습을 다른 프로그램에서도 다시 쓰는 방식이야. 회사는 실험, 임상 결과, 파트너십에서 얻은 학습을 하나의 발견 시스템에 누적해 과학적 의사결정을 더 빠르게 하려 한다고 설명해.1
에이전트도 이 구조의 일부로 제시돼. BMS는 에이전트가 연구 조직의 부서와 프로그램 사이를 가로질러 지식을 활용하고, BMS의 지식이 반영된 가상 연구자 여러 명에게 과학자가 질문하는 모습을 그리고 있어. 다만 회사의 설명에서도 사람의 판단은 남아 있어. 연구자는 예외와 위험을 찾고, 지식을 어떻게 써야 하는지 계속 가르쳐야 한다고 말해.1
BMS가 말하는 AI 팩토리
BMS의 사례에서 AI 팩토리는 계산 장비 하나를 가리키는 말이 아니야. 회사가 제시한 계획에는 연구 데이터, 예측 모델, 에이전트 도구와 컴퓨팅 자원이 함께 들어가고, 분자 설계부터 임상 적용과 디지털 트윈까지 단계별 자원 배분이 포함돼 있어.1
다만 이 구조에서 사람의 역할은 사라지지 않아. BMS의 설명에서도 연구자는 예외와 위험을 찾고, 지식을 어떻게 활용할지 가르치는 역할을 계속 맡아. 이번 발표가 보여주는 건 이런 연구 환경을 구축하고 확장하는 계획과, 그 계획을 뒷받침하는 기존 활용 사례야.1
댓글