Компания Itpod (направление серверной инфраструктуры корпорации ITG) оптимизировала линейку серверов с GPU под задачи фармацевтических исследований и разработок. Конфигурации оборудования поможет фарм-лабораториям и R&D-центрам ускорить вычисления, анализировать большие объёмы данных и сократить время экспериментов с недель до часов при экономии бюджета до 55%.

В адаптированных моделях — Itpod SY8108G-D12R-G5 (на базе AMD EPYC 9005 Turin) и Itpod SY8108G-D12R-G4 (на Intel Xeon Scalable Gen 5) — используется до 8 графических процессоров RTX 5090 с архитектурой Blackwell, 32 ГБ видеопамяти и пропускной способностью 1,8 ТБ/с. Отказ от NVLink в пользу обмена данными по PCIe 5.0 x16 (до 128 ГБ/с) позволил оптимизировать архитектуру под задачи с низким межкарточным трафиком.

Серверы позволяют проводить молекулярное моделирование, предсказывать структуры белков, ускорять поиск активных соединений и анализировать большие биомедицинские данные. Платформа поддерживает симуляции в GROMACS и OpenMM, работу с моделями AlphaFold и ESM, обработку геномных и омиксных данных, а также анализ изображений МРТ и КТ. Большой объём видеопамяти делает возможным использование крупных нейросетей без подкачки и ускоряет обучение моделей для прогнозирования взаимодействий лекарственных веществ и оценки токсичности.

«Оптимизированные серверы помогают фармацевтическим компаниям выстраивать цифровую инфраструктуру для ускоренного открытия лекарств и развития направлений на основе искусственного интеллекта. Такое решение сочетает высокую производительность и энергоэффективность при умеренных капитальных затратах и может стать стандартом для современных R&D-подразделений отрасли», — отметил Илья Борняков, генеральный директор Itpod, корпорация ITG.

Архитектура адаптированных моделей серверов Itpod обеспечивает трёхкратный рост отдачи от инвестиций в ИИ-проекты, до 95% эффективности загрузки графических процессоров и восьмикратное увеличение числа обрабатываемых запросов в секунду по сравнению с решениями предыдущего поколения.

Короткая ссылка