Nvidia sta condividendo sul suo blog dedicato al deep learning alcuni interessanti casi d’uso sull’intelligenza artificiale, relativi alla medicina e all’ambiente.

Due ambiti, questi ultimi, in cui il deep learning e le reti neurali possono essere di grande aiuto. Queste tecnologie possono infatti aiutare a elaborare in modo più veloce le grandi quantità di dati con cui i ricercatori lavorano.

Uno di questi progetti riguarda l’utilizzo delle tecnologie di deep learning per la creazione di medicine per le malattie rare.

Deep learning per la medicina

Cancro, diabete, e malattie cardiache attirano giustamente molta attenzione in ricerca e finanziamenti, poiché colpiscono decine di milioni di persone ogni anno. Però, sottolinea Nvidia, ci sono circa 7000 malattie rare conosciute che raramente ricevono attenzione. Queste colpiscono collettivamente circa 400 milioni in tutto il mondo e sono state storicamente trascurate dall’industria farmaceutica.

Ciò sta lentamente cambiando, grazie alle nuove opzioni di finanziamento e ai nuovi metodi di ricerca sui farmaci. Recursion Pharmaceuticals, con sede a Salt Lake City, si concentra sulla scoperta di farmaci in diverse aree terapeutiche. Tra queste, anche centinaia di malattie rare che al momento non hanno trattamenti.

Recursion è membro del programma NVIDIA Inception, un “virtual accelerator” che sostiene startup di intelligenza artificiale. I ricercatori di Recursion utilizzano il deep learning per analizzare le immagini biologiche. La startup, che ha raccolto oltre 85 milioni di dollari in finanziamenti venture, mira a scoprire 100 nuovi trattamenti entro il 2025.

Recursion dispone di un laboratorio con braccia robotiche che conduce circa 100.000 esperimenti in miniatura ogni settimana. Questi esperimenti di laboratorio creano settimanalmente circa 2 milioni di immagini biologiche ad alta risoluzione.

Cluster di Gpu Nvidia

Su più di un centinaio di Gpu, i ricercatori addestrano decine di reti neurali su terabyte di dati ogni settimana. L’azienda gestisce 250 terabyte di dati attraverso i suoi algoritmi di apprendimento automatico ogni mese. Allo scopo di identificare candidati di farmaci promettenti per le malattie rare.

Il team si affida a un ampio cluster di Gpu Nvidia sia per il training che per l’inferenza. Il training multi-Gpu con le V100 Tensor Core e NVLink permette di accelerare da un paio di giorni a poche ore.

L’apprendimento approfondito aiuta i ricercatori a esaminare centinaia di caratteristiche e malattie delle cellule alla volta. Ciò consente loro di perseguire rapidamente nuove aree terapeutiche di interesse. Nonché di esaminare composti farmacologici in campi precedentemente inesplorati.

Intelligenza artificiale per salvare le foreste

Quasi 19 milioni di acri di foreste vengono distrutti ogni anno, pari a 27 campi da calcio al minuto, sottolinea Nvidia. La gestione degli spazi verdi, vitali, sta diventando sempre più importante.

20tree.ai è una società con sede in Portogallo, che fa parte anch’essa del programma Nvidia Inception. Per approfondire la conoscenza di questi complessi ecosistemi, 20tree.ai combina immagini satellitari, dati dei radar e intelligenza artificiale. La sua soluzione consente il monitoraggio di intere foreste in una frazione del tempo attualmente richiesto.

Quotidianamente, 20tree.ai utilizza le Gpu Nvidia per elaborare quasi 100 TB di nuovi dati satellitari. I dati li ottiene da partner quali Airbus Defense and Space e il programma europeo Copernicus. Essi vengono utilizzati per il training di una serie di reti neurali profonde.

intelligenza artificiale 20tree.aiLe Gpu, in esecuzione in-house e sul cloud tramite AWS e Google, forniscono la potenza necessaria per il training. Consentendo di completarlo in poche ore. Le reti neurali profonde possono quindi tracciare insight sulla salute delle foreste, altrimenti invisibili all’occhio umano.

Se questo articolo ti è piaciuto e vuoi rimanere sempre informato sulle novità tecnologiche

LASCIA UN COMMENTO

Inserisci il tuo commento
Inserisci il tuo nome