Nvidia giới thiệu hệ thống AI lớn nhất phục vụ nghiên cứu sinh học

Ngày 19/2, nhà sản xuất chip AI Nvidia và các đối tác nghiên cứu thông báo đã tạo ra hệ thống trí tuệ nhân tạo (AI) lớn nhất từ trước đến nay cho nghiên cứu sinh học, với mục đích tăng tốc các đột phá trong y học và di truyền học.

Hệ thống AI mới, được gọi là Evo 2, có thể đọc và thiết kế mã di truyền trên tất cả các dạng sống.

Các nhà khoa học hy vọng rằng công nghệ AI như vậy sẽ giúp đẩy nhanh hoạt động nghiên cứu bằng cách phát hiện các mô hình trong một lượng lớn dữ liệu mà thông thường sẽ mất nhiều năm để phân tích thủ công.

Hệ thống này đã học từ gần 9.000 tỷ mẩu thông tin di truyền lấy từ hơn 128.000 sinh vật khác nhau, bao gồm vi khuẩn, thực vật và con người.

Trong các thử nghiệm ban đầu, nó đã xác định chính xác 90% các đột biến có khả năng gây hại trong BRCA1, một gen liên quan đến ung thư vú.

Các nhà khoa học cho rằng điều này có thể giúp phát triển các phương pháp điều trị chính xác hơn, bao gồm các liệu pháp gen chỉ nhắm mục tiêu vào các tế bào cụ thể.

Mô hình này được xây dựng bằng cách sử dụng 2.000 bộ xử lý Nvidia H100 trên cơ sở hạ tầng đám mây của Amazon.

Được phát triển với Viện Arc và Đại học Stanford, Evo 2 hiện có sẵn miễn phí cho các nhà khoa học trên toàn thế giới thông qua nền tảng nghiên cứu BioNeMo của Nvidia.

Ông Brian Hie, trợ lý giáo sư tại Đại học Stanford, cho biết thiết kế sinh học mới theo truyền thống là một quá trình tốn nhiều công sức, không thể đoán trước và thủ công. Với Evo 2, họ làm cho việc thiết kế sinh học các hệ thống phức tạp trở nên dễ tiếp cận hơn đối với các nhà nghiên cứu.

Ngoài y học, các nhà nghiên cứu tin rằng công nghệ này có thể giúp tạo ra các loại cây trồng chống chịu tốt hơn với biến đổi khí hậu và phát triển các cách mới để phân hủy ô nhiễm.

Dự án kết hợp sức mạnh tính toán của Nvidia với Viện Arc, một trung tâm nghiên cứu phi lợi nhuận được thành lập vào năm 2021 với nguồn tài trợ 650 triệu USD.

Viện hợp tác chặt chẽ với Stanford, UC Berkeley và UC San Francisco để giải quyết các thách thức khoa học dài hạn.