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
|
2天前
|
机器学习/深度学习 存储 人工智能
构建未来:AI在持续学习系统中的应用
【5月更文挑战第6天】 随着人工智能技术的飞速发展,AI在各个领域中的应用越来越广泛。本文将探讨AI在持续学习系统中的应用,以及如何通过这种技术提高教育质量和效率。我们将讨论AI如何帮助个性化学习,提供实时反馈,以及如何通过数据分析预测学生的学习进度。此外,我们还将探讨AI在教育中的潜在挑战和解决方案。
|
2天前
|
人工智能 文字识别 语音技术
学习资料大全​ | 一起来魔搭社区学AI吧!
魔搭社区特别推出研习社栏目,包含AI前沿技术解读、模型应用最佳实践、动手做AI应用(AIGC/Agent/RAG)等主题,持续更新,代码实战点击即运行
|
3天前
|
机器学习/深度学习 人工智能 自然语言处理
自动化测试中AI驱动的决策框架设计与实现
【5月更文挑战第5天】 在软件测试领域,自动化测试已成为提升测试效率和质量的关键手段。然而,随着软件系统的复杂性增加,传统的自动化测试方法面临挑战,尤其在测试用例的生成、执行及结果分析等方面。本文提出一种基于人工智能(AI)的自动化测试决策框架,旨在通过智能化的算法优化测试过程,并提高异常检测的准确率。该框架结合机器学习和深度学习技术,能够自学习历史测试数据,预测高风险变更区域,自动生成针对性强的测试用例,并在测试执行过程中实时调整测试策略。此外,通过自然语言处理(NLP)技术,该框架还能对测试结果进行语义分析,进一步提供更深入的洞察。本研究不仅增强了自动化测试工具的智能性,也为软件质量保证提
|
4天前
|
人工智能 自然语言处理 算法
分享几个.NET开源的AI和LLM相关项目框架
分享几个.NET开源的AI和LLM相关项目框架
|
5天前
|
机器学习/深度学习 人工智能
【AI 初识】什么是迁移学习,它在人工智能中有什么用?
【5月更文挑战第2天】【AI 初识】什么是迁移学习,它在人工智能中有什么用?
|
7天前
|
机器学习/深度学习 人工智能 自然语言处理
构建未来:AI驱动的自适应学习系统
【4月更文挑战第30天】 随着人工智能技术的迅猛发展,教育领域正经历一场由AI驱动的变革。本文将探讨一个新兴的研究领域——自适应学习系统。这种系统通过利用机器学习算法和大数据分析,能够根据学生的学习习惯、知识水平和兴趣点提供个性化的教学方案。我们首先介绍自适应学习系统的基本概念及其在现代教育中的重要性,然后详细阐述其工作原理及关键技术,包括数据挖掘、模式识别和自然语言处理等。最后,文章将分析当前自适应学习系统面临的挑战,并提出未来的发展趋势。
|
8天前
|
机器学习/深度学习 人工智能 自然语言处理
学习AI技术
【4月更文挑战第30天】学习AI技术
23 4
|
9天前
|
机器学习/深度学习 人工智能 算法
【机器学习】探究Q-Learning通过学习最优策略来解决AI序列决策问题
【机器学习】探究Q-Learning通过学习最优策略来解决AI序列决策问题
|
11天前
|
NoSQL Java 关系型数据库
【Redis系列笔记】分布式锁
分布式锁:满足分布式系统或集群模式下多进程可见并且互斥的锁。 分布式锁的核心思想就是让大家都使用同一把锁,只要大家使用的是同一把锁,那么我们就能锁住线程,不让线程进行,让程序串行执行,这就是分布式锁的核心思路
33 2
|
6天前
|
监控 NoSQL 算法
探秘Redis分布式锁:实战与注意事项
本文介绍了Redis分区容错中的分布式锁概念,包括利用Watch实现乐观锁和使用setnx防止库存超卖。乐观锁通过Watch命令监控键值变化,在事务中执行修改,若键值被改变则事务失败。Java代码示例展示了具体实现。setnx命令用于库存操作,确保无超卖,通过设置锁并检查库存来更新。文章还讨论了分布式锁存在的问题,如客户端阻塞、时钟漂移和单点故障,并提出了RedLock算法来提高可靠性。Redisson作为生产环境的分布式锁实现,提供了可重入锁、读写锁等高级功能。最后,文章对比了Redis、Zookeeper和etcd的分布式锁特性。
42 16
探秘Redis分布式锁:实战与注意事项