Die quantitativen KI-Modelle von SandboxAQ in Kombination mit dem CUDA-DMRG-Algorithmus beschleunigen rechnergestützte Chemieberechnungen um das 80-fache und katalysieren eine neue Welle bahnbrechender Anwendungen in allen Branchen
SandboxAQ gab heute einen bahnbrechenden Fortschritt bekannt, der die Grenzen der Computerchemie erweitert und sich auf Bereiche wie Biopharma, Chemie, Materialwissenschaften und andere Branchen auswirkt. In Zusammenarbeit mit NVIDIASandboxAQ nutzt Massive Quantitative Fashions (LQMs) und den NVIDIA CUDA-beschleunigten Density Matrix Renormalization Group (DMRG)-Algorithmus. Dies ermöglicht es Wissenschaftlern, hochpräzise quantitative KI-Simulationen realer Systeme mit höchster Genauigkeit durchzuführen, die über das hinausgehen, was Massive Language Fashions (LLMs) und andere KI-Modelle derzeit leisten können.
Die Kombination des CUDA-DMRG-Algorithmus, der NVIDIA Quantum-Plattform und NVIDIA-beschleunigter Datenverarbeitung beschleunigt diese hochpräzisen Berechnungen im Vergleich zu herkömmlichen 128-Core-CPU-Berechnungen um mehr als das 80-fache. Gleichzeitig verdoppelt sich die Größe der vom System berechneten berechenbaren Katalysatoren und Enzym-Aktivzentren. Die Forscher von SandboxAQ verwenden diese Rechenergebnisse, um KI-Netzwerke zu trainieren, damit sie die gewünschte Behandlung oder den gewünschten Katalysator optimieren, wie im verfügbaren Vorabdruck beschrieben. HIER.
„Fortschrittliche Computertechnik eröffnet neue Möglichkeiten in der wissenschaftlichen Forschung. Durch den Einsatz von NVIDIA-Technologie konnten wir einige der schwierigsten Probleme der Chemie angehen“, sagte Dr. Martin Ganahl, leitender Wissenschaftler bei SandboxAQ. „Wir erweitern nicht nur unser Verständnis der Materialwissenschaft und Chemie, sondern ebnen auch den Weg für die nächste Welle von Innovationen in der Arzneimittelforschung und Katalyse, um derzeit nicht behandelbare Krankheiten anzugehen und sicherere und kostengünstigere Wege zur Synthese von Molekülen und Materialien zu finden.“
„KI-Supercomputing hilft bei der Lösung kritischer Probleme in der Chemie- und Pharmaindustrie“, sagte Tim Costa, Direktor für Hochleistungs- und Quantencomputing bei NVIDIA. „Die Nutzung der NVIDIA Quantum-Plattform durch SandboxAQ ermöglicht Simulationen in einem noch nie dagewesenen Maßstab und ermöglicht es Wissenschaftlern, die Möglichkeiten der Computerchemie neu zu überdenken.“
„Diese Zusammenarbeit mit NVIDIA unterstreicht SandboxAQs Engagement, die Grenzen wissenschaftlicher Entdeckungen und technologischer Innovationen zu erweitern“, sagte Jim Breyer, Gründer und CEO von Breyer Capital und früher Investor bei SandboxAQ. „Die Entschlüsselung der Geheimnisse neuer Verbindungen und Katalysatoren ermöglicht eine neue Ära von LQM-Durchbrüchen in verschiedenen Branchen, die uns über LLMs hinausführen. Dies hat erhebliche Auswirkungen auf die Verbesserung der Lebensqualität und die Förderung des Wirtschaftswachstums.“
Letztes Jahr gab SandboxAQ bekannt KI-Kooperationen mit der College of California San Francisco (UCSF), Novonix und Riboscience. Im Jahr 2024 haben sich Flagship Pioneering, SPARK NS und andere Organisationen angemeldet, um ihre Innovationspipelines voranzutreiben.
Die Anwendungsgebiete für LQMs reichen von Biopharma über Landwirtschaft bis hin zu modernen Werkstoffen. In der Biopharmazie spielt beispielsweise das Enzym Cytochrom P450s eine zentrale Rolle im menschlichen Arzneimittelstoffwechsel und ist für das Verständnis der Arzneimitteltoxizität von zentraler Bedeutung. CUDA-DMRG kann dazu beitragen, das seit langem bestehende Drawback der genauen Modellierung der katalytischen Aktivität von Cytochromen zu lösen und einen bahnbrechenden Ansatz für die computergestützte Toxizitätsvorhersage zu bieten, sodass durch computergestützte Simulation das Risiko klinischer Studien bereits im Vorfeld verringert werden kann.
Das Coaching großer KI-Modelle mit proprietären, generierten Daten, um Durchbrüche in der physischen Welt zu ermöglichen, ist das Herzstück einer neuen Welle quantitativer KI. LQMs können genaue Vorhersagen über die Welt treffen, da sie auf exakten, physikbasierten Daten basieren. Während LLMs auf die im Web oder anderen vorhandenen Quellen verfügbaren Daten beschränkt sind, können die LQMs von SandboxAQ auf einen unbegrenzten Vorrat an Trainingsdaten zugreifen, die durch physikbasierte quantitative KI-Simulationen generiert werden.
Melden Sie sich für die kostenlosen insideAI Information an E-newsletter.
Folgen Sie uns auf Twitter: https://twitter.com/InsideBigData1
Folgen Sie uns auf LinkedIn: https://www.linkedin.com/firm/insideainews/
Folge uns auf Fb: https://www.fb.com/insideAINEWSNOW