تنص الاتفاقية على قيام Bayer بالاستفادة من وحدات معالجة Tensor (TPU) الخاصة بـ Google Cloud. وفقًا لـ Google ، فإن TPU الخاصة بها عبارة عن دوائر مطورة خصيصًا ومخصصة للتطبيق تستخدم لتسريع أعباء عمل التعلم الآلي. تم تصميم TPUs لتقليل الوقت إلى الدقة عند تدريب نماذج شبكة كبيرة ومعقدة.
والهدف من ذلك هو تطبيق هذه القوة الحاسوبية لتسريع حسابات باير للكيمياء الكمومية وتوسيع نطاقها. وسيشمل ذلك تطبيق ميكانيكا الكم على اكتشاف الأدوية بمساعدة الكمبيوتر ، مما يتيح النمذجة داخل السيليكون للأنظمة البيولوجية والكيميائية.
ذكر الشركاء أن أهداف التعاون هي إثبات أن النمذجة الميكانيكية الكمية الكاملة لتفاعلات البروتين – الترابط ممكنة. علاوة على ذلك ، ستحدد الشركتان الجدوى العلمية والاقتصادية لحسابات النظرية الوظيفية للكثافة على نطاق واسع للتطبيقات العملية.
أوضح توماس كوريان ، الرئيس التنفيذي لشركة Google Cloud ، أن تسريع اكتشاف الأدوية قد يكون أحد أهم تطبيقات الذكاء الاصطناعي والحوسبة عالية الأداء في صناعة الرعاية الصحية ، من حيث كيفية تحقيق الاكتشافات الجديدة بدقة وسرعة أكبر.
“إن طموح Bayer في أن تكون من بين المبتكرين الرائدين يدفعنا إلى مواصلة الاستثمار في التقنيات الجديدة والمزعجة لحل المشكلات المعقدة. إن الشراكة مع Google Cloud على كيمياء الكم المدعومة من TPU تكمل طموحنا للعمل مع قادة الصناعة والخبراء لتقديم التحول الرقمي بسرعة “، قال Bijoy Sagar ، كبير مسؤولي المعلومات والتحول الرقمي في Bayer.
بالنسبة إلى Bayer ، تعد الشراكة مع Google لتطبيق الذكاء الاصطناعي واحدة من سلسلة من هذه الخطوات للشركة ، حيث تتطلع إلى اللجوء إلى الحلول الرقمية لبناء خط الأنابيب الخاص بها.
في عام 2019 ، استخدمت الشركة أداة Accenture لجمع البيانات السريرية وإدارتها بالذكاء الاصطناعي في محاولة لتسريع تطوير الأدوية وتحسين نتائج المرضى. تجمع الأداة البيانات السريرية الداخلية والخارجية في منصة واحدة ، والتي يمكن استخدامها بعد ذلك لتقديم رؤى قابلة للتنفيذ.
باير ليست الشركة الوحيدة التي تستخدم الذكاء الاصطناعي والتعلم الآلي لاكتشاف الأدوية ، حيث تسعى الصناعة إلى إيجاد طرق لجعل عملية تطوير الأدوية أكثر فعالية. وقعت Biogen و Accenture Labs أيضًا اتفاقية تعاون لتطوير تطبيق مقارنة جزيئية ممكّن من الكم.
بينما تستكشف الصناعة أيضًا إمكانات الذكاء الاصطناعي لتحسين عمليات التصنيع من خلال التنبؤ بالوقت الذي ستكون فيه أعمال الصيانة ضرورية ، وبالتالي تجنب الصيانة غير المخطط لها.
.