A farmacêutica britânica GSK aproveitou a maior processadora do mundo, a Cerebras, para estudar os processos da epigenômica – a função que controla a expressão gênica ou sua ausência, e entender em quais células ocorrem determinadas alterações genéticas. Descobrir os mecanismos da epigenômica ajudará a encontrar curas para muitas doenças incuráveis, que a IA em novos sistemas pode fazer melhor do que os humanos.
Fonte da imagem: tomshardware.com
O processador Cerebras WSE-1 (16nm) e o mais recente WSE-2 (7nm) são soluções anteriormente inimagináveis, cada uma feita inteiramente de uma única pastilha de silício de 300mm. Um pequeno cluster desses processadores é capaz de servir a modelos de IA comparáveis em capacidades ao cérebro humano. Acrescente a isso, por exemplo, um banco de dados sobre genética, e o resultado é um sistema capaz de analisar um volume de dados tão grande que uma pessoa e até mesmo grandes equipes de cientistas na escala de tempo previsível não serão capazes de compreender.
A GSK aproveitou o sistema Cerebras de primeira geração para análise de genoma e sua dinâmica ao longo do tempo, e espera um sistema de segunda geração no terceiro trimestre deste ano. O sistema CS-1 supostamente levou 2,5 dias para treinar o EBERT (um modelo de rede neural reaproveitado do BERT ou BERT “epigenômico”) em comparação com 24 dias em um cluster de GPU de 16 nós. Espera-se que o novo sistema duplique a velocidade de processamento.
Fonte da imagem: tomshardware.com
Os pesquisadores afirmam que, após o treinamento, o EBERT “alcançou a maior precisão preditiva em quatro dos 13 conjuntos de dados no padrão da indústria chamado ENCODE-DREAM”. O modelo ficou em terceiro lugar no geral, e os pesquisadores dizem que os resultados são “muito promissores”.
O problema é que o epigenoma humano é enorme e requer enormes recursos computacionais para modelar ou estudar em alto nível usando métodos convencionais. A IA torna possível encurtar esse caminho. Pesquisas anteriores forneceram exemplos reais suficientes do impacto da epigenômica para ensinar um computador a fazer o mesmo com base em um modelo. Este modelo pode então ser usado para prever muitos processos biológicos importantes.