NVIDIA发布首个基于AI的癌症分布式学习环境的框架——CANDLE

简介:

066acb06b2a923e0195181e51899c3c29f15eb60


来源:Marketwired


在本月15日举行的2016全球超算大会(SC 2016)上,NVIDIA宣布与美国国家癌症研究所、美国能源部、以及其他数个国家实验室达成合作,将共同合作来加速癌症的研究工作。


这一合作的开展是基于美国总统奥马巴在任期内的最后一次国情咨文演讲中宣布的攻克癌症“登月计划”(Cancer Moonshot)展开的。这一计划旨在5年之内,在癌症预防、诊断和治疗方面能取得一系列前沿突破。这项研究计划的内容包括了创建一个基于AI的癌症分布式学习环境的框架——CANDLE(Cancer Distributed Learning Environment)。这个框架将为研究人员提供一个通用的发现平台,在抗击癌症上释放AI的神力。


b47d3b53cb804801618e2ef83ba5d62dc29b9a1a


CANDLE将会是首个基于AI设计的框架,设计的初衷是希望能够帮助大家更好的了解癌症,为全世界的数据科学家对抗癌症提供一款强有力的工具。


CANDLE的团队成员包括了来自美国国家癌症研究所、Frederick国家癌症研究实验室、美国能源部、以及Argonne, Oak Ridge, Livermore and Los Alamos等地国家实验室的研究员。NVIDIA的工程师和计算科学家将合力为此框架开发一个AI软件平台,配备最新的超级计算基础设施,以期能够帮助癌症的研究人员在每年的生产力上达到10倍的提升。


“AI将会是帮助实现Cancer Moonshot计划目标的关键。”Argonne国家实验室计算、环境和生命科学的副主任Rick Stevens表示。“在三年里,新的计算架构已经将训练神经网络的速度提升的50倍。我们期待未来能提升更多!”


NVIDIA CEO黄仁勋表示:“GPU深度学习为我们提供了一种克服挑战的新型工具,而这些挑战的复杂度是当前最强大的超级电脑也无法处理的。我们和美国国家癌症研究所将一起创建一个针对癌症研究的AI超级计算平台。这次极具雄心的合作是加速美国抗击癌症进程的一次巨大飞跃。”


在加速肿瘤精准医疗方面,这项合作包括了三项试点项目,旨在帮助了解癌症的发展过程、发掘一个比现有的更为高效及无害的治疗方法、以及在临床实验之外,从群体层面了解这些影响这些治疗方法有效性的主要因素。对于这些项目来说,深度学习技术都将在其中发挥关键的作用。


CANDLE在其中将会发挥三方面的作用。首先,CANDLE将会用以帮助发掘在常规癌症的DNA或者RNA中潜藏的基因信号。其次,CANDLE将会加速关键蛋白质相互作用的分子动力学模拟,以此来理解生成癌症的潜在生物机制。再者,通过半监督的学习,CANDLE将自动对成百上千成的门诊病人记录进行信息的抽取和分析,并以此来创建一个全面的针对疾病转移和复发的一个癌症监控数据库。


Lawrence Livermore国家实验室计算方面的副主任James M. Brase表示:“大规模的数据分析,是深度学习,对于我们实验室扩大自己在精准医疗等领域的愿景是十分重要的。NVIDIA走在加速机器学习的前沿,其新的CORAL/Sierra 框架对于开发下一代可扩展的深度学习算法是十分关键的。借助NVLink-enabled Pascal™ GPU框架,我们将可以加速训练超大型的神经网络。”


Oak Ridge国家实验室健康数据科学研究所的主任Georgia Tourassi则表示:“今天的癌症监控依赖对临床报告的人为分析,以此来癌症进展和结果的重要生物标志。通过应用高性能的计算和AI在大规模解决方案上,如NVIDIA's DGX-1™,我们实现自动化,以及更好的对重要的临床信息进行抽取,并且提升我们对于大规模人口的癌症健康的理解。”


-END-

本文来源于"中国人工智能学会",原文发表时间" 2016-11-17 "

相关文章
|
2月前
|
机器学习/深度学习 人工智能 数据可视化
AI开源框架:让分布式系统调试不再"黑盒"
Ray是一个开源分布式计算框架,专为支持可扩展的人工智能(AI)和Python应用程序而设计。它通过提供简单直观的API简化分布式计算,使得开发者能够高效编写并行和分布式应用程序 。Ray广泛应用于深度学习训练、大规模推理服务、强化学习以及AI数据处理等场景,并构建了丰富而成熟的技术生态。
539 102
AI开源框架:让分布式系统调试不再"黑盒"
|
21天前
|
人工智能 安全 Shell
Jupyter MCP服务器部署实战:AI模型与Python环境无缝集成教程
Jupyter MCP服务器基于模型上下文协议(MCP),实现大型语言模型与Jupyter环境的无缝集成。它通过标准化接口,让AI模型安全访问和操作Jupyter核心组件,如内核、文件系统和终端。本文深入解析其技术架构、功能特性及部署方法。MCP服务器解决了传统AI模型缺乏实时上下文感知的问题,支持代码执行、变量状态获取、文件管理等功能,提升编程效率。同时,严格的权限控制确保了安全性。作为智能化交互工具,Jupyter MCP为动态计算环境与AI模型之间搭建了高效桥梁。
93 2
Jupyter MCP服务器部署实战:AI模型与Python环境无缝集成教程
|
29天前
|
人工智能 负载均衡 Java
Spring AI Alibaba 发布企业级 MCP 分布式部署方案
本文介绍了Spring AI Alibaba MCP的开发与应用,旨在解决企业级AI Agent在分布式环境下的部署和动态更新问题。通过集成Nacos,Spring AI Alibaba实现了流量负载均衡及节点变更动态感知等功能。开发者可方便地将企业内部业务系统发布为MCP服务或开发自己的AI Agent。文章详细描述了如何通过代理应用接入存量业务系统,以及全新MCP服务的开发流程,并提供了完整的配置示例和源码链接。未来,Spring AI Alibaba计划结合Nacos3的mcp-registry与mcp-router能力,进一步优化Agent开发体验。
690 13
|
3月前
|
机器学习/深度学习 人工智能 自然语言处理
Cosmos-Reason1:物理常识觉醒!NVIDIA 56B模型让AI懂重力+时空法则
Cosmos-Reason1是NVIDIA推出的多模态大语言模型系列,具备物理常识理解和具身推理能力,支持视频输入和长链思考,可应用于机器人、自动驾驶等场景。
134 8
Cosmos-Reason1:物理常识觉醒!NVIDIA 56B模型让AI懂重力+时空法则
|
3月前
|
并行计算 PyTorch 算法框架/工具
融合AMD与NVIDIA GPU集群的MLOps:异构计算环境中的分布式训练架构实践
本文探讨了如何通过技术手段混合使用AMD与NVIDIA GPU集群以支持PyTorch分布式训练。面对CUDA与ROCm框架互操作性不足的问题,文章提出利用UCC和UCX等统一通信框架实现高效数据传输,并在异构Kubernetes集群中部署任务。通过解决轻度与强度异构环境下的挑战,如计算能力不平衡、内存容量差异及通信性能优化,文章展示了如何无需重构代码即可充分利用异构硬件资源。尽管存在RDMA验证不足、通信性能次优等局限性,但该方案为最大化GPU资源利用率、降低供应商锁定提供了可行路径。源代码已公开,供读者参考实践。
232 3
融合AMD与NVIDIA GPU集群的MLOps:异构计算环境中的分布式训练架构实践
|
3月前
|
人工智能 Docker 容器
AI思维导图工具跨领域学习的好帮手
AI思维导图工具跨领域学习的好帮手
|
3月前
|
人工智能 小程序 算法
【01】AI制作音乐之三款AI音乐软件推荐,包含AI编曲-AI伴奏-AI混音合成remix等-其次关于音乐版权的阐述-跟随卓伊凡学习如何AI制作音乐-优雅草卓伊凡
【01】AI制作音乐之三款AI音乐软件推荐,包含AI编曲-AI伴奏-AI混音合成remix等-其次关于音乐版权的阐述-跟随卓伊凡学习如何AI制作音乐-优雅草卓伊凡
680 14
|
3月前
|
人工智能 Kubernetes 安全
积极拥抱AI,F5携手NVIDIA赋能加速AI应用交付
积极拥抱AI,F5携手NVIDIA赋能加速AI应用交付
57 4
|
3月前
|
人工智能
一场静默的教育革命正在发生:AI如何重塑学习与教学
生成式人工智能(Generative AI)正深刻改变教育领域,从学生到职场人士,AI逐渐成为必备技能。文章探讨了AI在教育中的应用与挑战,如认知卸载现象及批判性思维能力下降,并提出通过GAI认证提升AI技能的标准化途径。未来教育将形成“师、机、生”三元结构,强调人与AI协作共进。掌握AI技术不仅是职业发展的关键,更是教育革命中的核心推动力。
|
3月前
|
人工智能 运维 监控
领先AI企业经验谈:探究AI分布式推理网络架构实践
当前,AI行业正处于快速发展的关键时期。继DeepSeek大放异彩之后,又一款备受瞩目的AI智能体产品Manus横空出世。Manus具备独立思考、规划和执行复杂任务的能力,其多智能体架构能够自主调用工具。在GAIA基准测试中,Manus的性能超越了OpenAI同层次的大模型,展现出卓越的技术实力。

热门文章

最新文章