Langmead ha commentato: "La facilità di addestramento multi-nodo e la possibilità di utilizzare batch di dimensioni più grandi all'interno di DGX Cloud ci hanno permesso di raggiungere i nostri obiettivi di tre mesi in sole quattro settimane. La formazione multi-nodo e multi-GPU è importante nel biofarmaco, perché può aiutare a velocizzare il processo di formazione e consentire l'addestramento di modelli più grandi con più dati. Questo porta a modelli e previsioni più accurate, che accelerano il processo di sviluppo del farmaco."
DGX Cloud è ottimizzato per l'addestramento multi-nodo, consentendo ad Amgen di sperimentare notevoli accelerazioni. "Abbiamo visto accelerazioni notevoli dovute all'addestramento distribuito e ai caricatori di dati ottimizzati utilizzando la piattaforma DGX rispetto a un ambiente a GPU singola."
Utilizzando la piattaforma di comando base NVIDIA all'interno di DGX Cloud, i ricercatori di Amgen potevano inviare tutti i lavori con facilità. Le funzionalità di monitoraggio e telemetria hanno garantito che tutti i lavori funzionassero senza intoppi ed efficientemente. "La piattaforma di comando base era molto intuitiva. Questa capacità di allineare le nostre risorse di calcolo senza preoccuparci della complessità dell'addestramento distribuito in un ambiente multi-GPU e multi-nodo consente al mio team di concentrarsi sul lavoro scientifico e di fornire modelli e strumenti a un ritmo più veloce di quanto sarebbe stato possibile in qualsiasi altro contesto", afferma Langmead.
BioNeMo include anche un'implementazione accelerata del modello OpenFold, una tecnica di modellazione biologica che utilizza un approccio basato sulla fisica per prevedere la struttura 3D delle proteine. La previsione delle strutture 3D delle proteine aiuta i ricercatori a ottenere informazioni sulla funzionalità della proteina e a sviluppare biofarmaci più efficaci e mirati che possono legarsi alla proteina bersaglio e migliorare i risultati della terapia. "Rispetto alla versione internalizzata dello stesso modello di Amgen, abbiamo visto accelerazioni da 20 a 30 volte per la creazione di allineamenti di sequenza multipli in BioNeMo. Separatamente, utilizzando un modello disponibile al pubblico per la previsione della struttura delle proteine, abbiamo visto accelerazioni drammatiche", afferma Langmead.