最高の機械学習アクセラレータを提供する競争において、Nvidia の最大の挑戦者の 1 社であるロンドンの LabGenius がバイオテクノロジー分野で勝利を収めた。同社は、Graphcore のインテリジェンス プロセッシング ユニット (IPU) が、一部の未確認の従来の GPU よりも AI ベースの創薬に大幅に高速なパフォーマンスを提供すると述べた。
2012 年に設立された LabGenius は、機械学習アルゴリズムと実験室自動化を活用して病状の治療に適した特性を持つタンパク質を発見し、がんや炎症性疾患に対する抗体治療を開発するベンチャー企業です。
英国ブリストルに拠点を置くGraphcoreは、木曜日に公開され、The Register紙が閲覧したブログ記事の中で、LabGeniusが同社のIPUを利用して、既存のタンパク質の大規模データセットでBERT Transformerモデルを学習させ、マスクされたアミノ酸を予測したことを明らかにした。これにより、LabGeniusは新たな治療法の開発に役立つ重要なタンパク質特性を解明できたと伝えられている。
ターンアラウンドタイムを約2週間に短縮し、より迅速に実験できるようになりました。
LabGenius社によると、Cirrascale Cloud Servicesのクラウドインスタンスで提供されるGraphcore IPUを使用することで、モデルのトレーニングに要した時間は、以前はGPUを使用していた1ヶ月ほどだったのに対し、約2週間に短縮されたという。LabGenius社はどのGPUが使用されたかは明らかにしていないが、AI分野での同社の優位性と、AMDがこの分野で競争力をつけ始めたばかりであることを考えると、NVIDIAのGPUが使用された可能性が高いと推測される。
「以前はGPUを使用していましたが、存在するすべてのタンパク質の機能モデルを作成するには約1か月かかりました。Graphcoreを使用することで、ターンアラウンドタイムを約2週間に短縮できたため、実験をより迅速に行うことができ、より早く結果を確認できるようになりました」と、LabGeniusの機械学習コンサルタントであるKatya Putintseva博士は述べています。
ラボジーニアスは、新たな治療法を開発する他社との競争において、このような大幅なパフォーマンス向上が極めて重要であると述べた。
「Graphcoreのおかげで、モデルのトレーニング時間が数週間から数日へと短縮され、私たちの業務は大きく変わりました。データサイエンティストにとって、これはまさに変革的な出来事です。彼らは自分の思考スピードで、より多くのことを実行できるようになりました。私たちにとって、これは非常に価値のあることです」と、LabGeniusの技術責任者であるトム・アシュワース氏は述べています。
Nvidiaは、英国の新興企業Graphcoreが強力な第2世代AIチップハードウェアをバックミラーに映し出すのを見守る
アーカイブ
Graphcore は、半導体業界のベテランである Nigel Toon 氏と Simon Knowles 氏によって 2012 年に設立されました。このチップ設計者は、プロセッサのアーキテクチャが最初から AI アプリケーションを念頭に置いて構築されているため、同社の IPU は GPU よりも AI ワークロードに適していると考えています。
チップ設計者によると、LabGeniusはGraphcoreが提供するBERTの標準PyTorch実装の利用を拡大する予定で、コードの変更はわずかで済むという。また、Graphcoreシステムを用いた新しいAIモデルの構築も検討しており、その中にはグラフニューラルネットワークも含まれる。LabGeniusのIPUはグラフニューラルネットワークにおいて「本質的なアーキテクチャ上の優位性」を持っていると、同チップ設計者は述べている。
Nvidia、Graphcore、そしてCerebras SystemsなどのAIチップ設計企業は、いずれもバイオテクノロジー分野でAIチップの取引を模索しています。例えば、Cerebrasは先月、バイオメディカル分野のスタートアップ企業nferenceが、膨大な量の非構造化データの分析に同社のCS-2システムを採用したと発表しました。一方、Nvidiaは、ヘルスケアおよびライフサイエンス企業向けに、ソフトウェアとハードウェアのプラットフォームを包括的に開発しています。®
