NVIDIA y Lilly invierten 1.000 millones en 5 años en un laboratorio de innovación en IA para descubrir medicamentos
La robótica y la IA física acelera y escala el descubrimiento y producción de medicamentos.
La Bahía de San Francisco reunirá biología, medicina, ingeniería e IA para generar datos a gran escala y desarrollar modelos avanzados capaces de acelerar el desarrollo de medicamentos.
“La IA está transformando todos los sectores, y su impacto más profundo se producirá en las ciencias de la vida” Jensen Huang, NVIDIA
Se exploran espacios biológicos y químicos in silico antes de sintetizar una sola molécula.
“150 años llevamos trabajando para llevar medicamentos que cambian la vida de los pacientes” David A. Ricks, Lilly
Combinar volumen de datos y conocimiento científico con capacidad computacional y experiencia.
Construcción de un sistema de aprendizaje continuo para el descubrimiento de fármacos
Un sistema de aprendizaje continuo que conecte de forma estrecha los laboratorios
- experimentales (wetlabs) de Lilly, dotados de capacidades agentivas
- computacionales (drylabs), lo que permitirá la experimentación asistida por IA las 24 horas del día para apoyar el trabajo de biólogos y químicos
Este enfoque, con el científico en el centro del proceso, busca que
- experimentos
- generación de datos
- desarrollo de modelos de IA
se retroalimenten y mejoren de manera constante.
Acceso a
- capacidad de computación sin precedentes
- generación de grandes volúmenes de datos de alta calidad
- uso de NVIDIA BioNeMo como plataforma para acelerar el descubrimiento de fármacos
los equipos se centrarán en el desarrollo de modelos fundacionales y de frontera de nueva generación para la biología y la química.
Desarrollo clínico, fabricación y operaciones comerciales integrando modelos multimodales, IA agentiva, robótica y gemelos digitales
La IA física y robótica amplia la capacidad de fabricación de medicamentos de alta demanda y refuerza la fiabilidad de la cadena de suministro.
Los gemelos digitales de sus líneas de producción modelan, someten a pruebas de esfuerzo y optimizan cadenas de suministro completas antes de realizar cambios físicos en el entorno real.
Foto de Stas Knop
