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
|
存储 人工智能 搜索推荐
一种专为AI代理设计的内存层,能够在交互过程中记忆、学习和进化
Mem0 是专为 AI 代理设计的内存层,支持记忆、学习与进化。提供多种记忆类型,可快速集成,适用于开源与托管场景,助力 AI 代理高效交互与成长。
1035 123
一种专为AI代理设计的内存层,能够在交互过程中记忆、学习和进化
|
机器学习/深度学习 人工智能 自然语言处理
迁移学习:让小数据也能驱动AI大模型
迁移学习:让小数据也能驱动AI大模型
580 99
|
存储 人工智能 安全
《Confidential MaaS 技术指南》发布,从 0 到 1 构建可验证 AI 推理环境
Confidential MaaS 将从前沿探索逐步成为 AI 服务的安全标准配置。
|
机器学习/深度学习 人工智能 资源调度
智能家居环境中的AI决策解释:实现以人为中心的可解释性——论文阅读
本文探讨智能家居中AI决策的可解释性,提出以人为中心的XAI框架。通过SHAP、DeepLIFT等技术提升模型透明度,结合用户认知与需求,构建三层解释体系,增强信任与交互效能。
692 19
智能家居环境中的AI决策解释:实现以人为中心的可解释性——论文阅读
|
人工智能 JavaScript 前端开发
GenSX (不一样的AI应用框架)架构学习指南
GenSX 是一个基于 TypeScript 的函数式 AI 工作流框架,以“函数组合替代图编排”为核心理念。它通过纯函数组件、自动追踪与断点恢复等特性,让开发者用自然代码构建可追溯、易测试的 LLM 应用。支持多模型集成与插件化扩展,兼具灵活性与工程化优势。
955 6
|
人工智能 Kubernetes Cloud Native
Higress(云原生AI网关) 架构学习指南
Higress 架构学习指南 🚀写在前面: 嘿,欢迎你来到 Higress 的学习之旅!
3976 1
|
机器学习/深度学习 人工智能 搜索推荐
拔俗AI学伴智能体系统:基于大模型与智能体架构的下一代个性化学习引擎
AI学伴智能体系统融合大模型、多模态理解与自主决策,打造具备思考能力的个性化学习伙伴。通过动态推理、长期记忆、任务规划与教学逻辑优化,实现千人千面的自适应教育,助力因材施教落地,推动教育公平与效率双提升。(238字)
1359 0
|
人工智能 边缘计算 搜索推荐
AI产品测试学习路径全解析:从业务场景到代码实践
本文深入解析AI测试的核心技能与学习路径,涵盖业务理解、模型指标计算与性能测试三大阶段,助力掌握分类、推荐系统、计算机视觉等多场景测试方法,提升AI产品质量保障能力。
|
存储 缓存 NoSQL
【📕分布式锁通关指南 12】源码剖析redisson如何利用Redis数据结构实现Semaphore和CountDownLatch
本文解析 Redisson 如何通过 Redis 实现分布式信号量(RSemaphore)与倒数闩(RCountDownLatch),利用 Lua 脚本与原子操作保障分布式环境下的同步控制,帮助开发者更好地理解其原理与应用。
966 6
|
存储 负载均衡 NoSQL
【赵渝强老师】Redis Cluster分布式集群
Redis Cluster是Redis的分布式存储解决方案,通过哈希槽(slot)实现数据分片,支持水平扩展,具备高可用性和负载均衡能力,适用于大规模数据场景。
906 2

热门文章

最新文章