지속 가능한 시스템과 엔비디아, AI 기반 의약품 발견 가속화 협력

지속 가능한 시스템은 새로운 협력을 발표했습니다. 이 협력은 엔비디아와 함께 의약품 발견, 테스트, 시장 출시를 가속화하는 것을 목표로 합니다. 이 협력은 지속 가능한 시스템의 엔지니어링 전문 지식과 엔비디아의 AI 인프라를 결합하여 컴퓨터 기반 의약품 발견을 실험 단계에서 생산 환경으로 확장하는 것을 목표로 합니다.

이 협력의 핵심은 의료 분야에서 오랜 시간 존재해 온 병목 현상을 해결하는 것입니다. 즉, 초기 의약품 발견 단계는 일반적으로 느리며, 비용이 많이 들고, 물리적인 실험실 작업에 크게 의존합니다. AI를 활용한 고신뢰도 시뮬레이션을 통해 이 과정의 일부를 디지털로 전환함으로써, 두 회사 모두 개발 시간을 단축하고 성공 확률을提高하는 것을 목표로 합니다.

습식 실험실에서 시뮬레이션 기반 발견으로

이 협력의 핵심 구성 요소는 지속 가능한 시스템의 최근 개발된 생성적 분자 및 가상 스크리닝 (GenMolIVS) 솔루션입니다. 엔비디아의 BioNeMo 플랫폼을 기반으로 하는 이 시스템은 화학 및 생물학 데이터를 사용하여 훈련된 생성적 AI 모델을 사용하여 잠재적인 의약품 후보를 디지털로 설계하고 평가합니다.

연구자들은 실험실에서 합성하고 테스트하는 대신, 분자 행동을 시뮬레이션하여 결합 친화도, 안정성, 화학적 상호 작용 등을 평가할 수 있습니다. 이 접근 방식은 팀이 훨씬 더 큰 설계 공간을 탐색할 수 있으며 초기 단계에서 낮은 확률의 후보를 필터링할 수 있습니다.

결과적으로, 시도와 오류의 실험에서 시뮬레이션 기반 의사 결정으로의 전환을 달성할 수 있습니다. 여기서 AI는 첫 번째 검증 계층으로 작동합니다.

의사 결정 AI가 의약품 발견 워크플로에 들어감

이 협력의 가장 주목할 만한 측면 중 하나는 의사 결정 AI 시스템이 발견 파이프라인에 도입된 것입니다. 엔비디아의 NeMo 프레임워크와 에이전트 툴킷을 사용하여, 지속 가능한 시스템은 연구의 다양한 단계를 관리하고 조정할 수 있는 AI 에이전트를 개발하고 있습니다.

이 시스템은 시뮬레이션 출력을 연속적으로 분석하고, 유망한 분자 후보를 우선순위로 지정하며, 실험적 검증을 위한 다음 단계를 추천합니다. 이 에이전트는 분리된 도구가 아닌, 서로 연결된 의사 결정 계층으로 작동하여 한 단계의 통찰력이 다음 단계를 информ합니다. 이는 특히 여러 변수를 동시에 평가해야 하는 환경에서 가치 있는 더 동적이고 반응적인 연구 워크플로를 생성합니다.

엔비디아의 인프라와 도메인 특정 AI

엔비디아의 기여는 원시 컴퓨팅 파워를 넘어섭니다. 이 회사는 생명 과학 애플리케이션을 위한 전체 스택 AI 플랫폼을 제공합니다. 여기에는 BioNeMo를 위한 도메인 특정 모델 훈련, Nemotron 모델을 위한 고급 추론, 및 NIM 마이크로 서비스를 위한 확장 가능한 배포가 포함됩니다.

이 인프라는 규제된 의료 환경에서 요구되는 신뢰성 수준을 유지하면서 실시간 시뮬레이션과 추론을 가능하게 합니다. 또한 AI 출력을 엔터프라이즈 시스템에 직접 임베딩하여 실험적인 것이 아닌 작동 가능한 결과를 생성할 수 있습니다.

AI 실험과 생산 간의 격차를 메우기

엔터프라이즈 AI 채택에서 반복되는 도전은 파일럿 프로젝트와 실제 배포 간의 격차입니다. 많은 조직은 AI 모델을 성공적으로 실험하지만, 실제 워크플로에 통합하는 데 어려움을 겪습니다.

이 협력은 생산 준비가 된 시스템을 설계하여 이 격차를 메우는 데 중점을 두고 있습니다. 목표는 연구 파이프라인에 AI를 직접 임베딩하여 시뮬레이션과 통찰력이 즉시 실험실 작업에 영향을 미칠 수 있도록 하는 것입니다.

의약품 개발의 미래를 위한 시그널

이 협력의 더 넓은 의미는 디지털 시뮬레이션과 물리적 실험을 별도의 단계가 아닌 함께 작동하는 하이브리드 발견 모델로의 전환을 의미합니다. 초기 연구 단계는 시뮬레이션이 초기 실험실 작업의 큰 부분을 대체함으로써 훨씬 더 빠르게 될 수 있습니다. 팀은 아이디어를 테스트하고 개선하는 속도를 높일 수 있습니다.

실험의 실패 횟수를 줄임으로써 개발 전체 파이프라인의 효율성을 개선하고 비용을 낮출 수 있습니다.同時에, 분자 설계를 빠르게 반복할 수 있는 능력은 더 타겟팅된 개인화된 치료법을 열어줍니다.

더 근본적으로, 이는 과학 연구가 수행되는 방식에 대한 더 깊은 변화를 반영합니다. AI는 더 이상 단순한 지원 도구가 아니라, 발견의 구조를 형성하기 시작합니다. 시뮬레이션 정확도가 개선되고 에이전트 시스템이 더 능숙해짐에 따라, 컴퓨터 모델링과 실제 실험 간의 경계는 계속模糊해지며, 초기 과학적 과정의 대부분이 실험실에 도달하기 전에 실리코에서 발생하는 미래를 향해 지시합니다.