DDN通过自动化，人工智能和机器学习功能来发现新药

DDN 宣布，其高性能 存储解决方案 已帮助支持Recursion的更广泛，更快和更高效的药物发现研究和运营 ，该数字生物学公司通过自动化，人工智能和机器学习（ML）功能来发现新药。阅读“ 递归”案例研究 ，该 案例描述了基础架构的挑战，解决方案和优势，并揭示了盐湖城正在进行的具有全球影响力的工作的细节。

在大多数行业都在为不断增加的药物发现成本和上市时间挑战而战的情况下，递归采用了结合了科学技术方法的新方法。这就需要针对AI和ML进行全面优化的高性能药物发现处理，旨在从世界上最大的生物图像库中释放最大的数据价值。

“我们的数据是我们的公司，因此我们需要强大的存储架构来支持AI驱动的模型，” Recursion的首席系统工程师Kris Howard说。“管理我们的大规模数据需求需要快速提取，优化处理并减少应用程序运行时间。”

与DDN的领域专家合作，Recursion最初创建了一个概念证明，其中包含DDN的 EXAScaler ES400NV和ES7990X并行文件系统设备，这些设备后来被扩展为2PBs的容量，用于登台ML模型。全闪存层被用作充足的旋转磁盘支持的文件系统的前端，每个文件的前64K存根到该层，然后加速访问数据的第一部分，然后将其余部分流式传输到旋转盘。

使用DDN，Recursion每周执行约350，000个实验，并针对数百种疾病模型筛选数千种化合物，而现在的成本和时间仅是传统药物发现方法的一小部分。DDN的混合高性能可扩展存储解决方案针对AI和ML进行了全面优化，有助于降低成本并提高生物学研究的效率。

DDN总裁兼联合创始人Paul Bloch说：“ DDN作为存储领导者的声誉因我们成熟的解决方案和对AI数据存储的日益关注而得到巩固。” DDN利用智能基础架构来提供最全面的以数据为中心的以AI为中心的解决方案集，DDN灵活调整Recursion的配置以满足特定工作负载的灵活性，带来了强大的存储，可无缝支持18个节点和136个GPU。作为递归的存储基础架构提供者而受到信任是一项真正的荣誉，因为他们致力于破坏传统的药物发现方法并准确高效地确定疾病的治疗方法。”

尽管传统的存储架构无法满足Recursion严格的高性能文件处理要求，但DDN的2PB高性能多层数据管理基础架构已帮助最大化GPU计算资源用于加速的AI工作流程。这种方法不仅为Recursion的苛刻工作负载提供了极快的性能，而且还有助于缓解文件访问瓶颈，同时实现了对GPU的高效流传输。

“我们的DDN存储非常快，”霍华德说。“ Flash层使文件访问时间减少了40%，我们可以将GPU的利用率提高到100%，并固定在那里。从PFS训练数据是非常不寻常的，但这对于我们的用例来说是一个完美的解决方案。”