Britaniyanın əczaçılıq şirkəti GSK epigenomika proseslərini- gen ifadəsini və ya onun yoxluğuna nəzarət edən funksiyanı və hansı hüceyrələrdə müəyyən genetik dəyişikliklərin baş verdiyini anlamaq üçün dünyanın ən böyük prosessor şirkəti Cerebras-dan istifadə edib.
Epigenomika mexanizmlərinin aşkarlanması bir çox sağalmaz xəstəliklərin müalicəsini tapmağa kömək edəcək, yeni sistemlərdə AI insanlardan daha yaxşı edə bilər.
Cerebras WSE-1 (16nm) prosessoru və ən son WSE-2 (7nm) əvvəllər ağlasığmaz həllərdir, hər biri tamamilə tək 300 mm silikon vaflidən hazırlanmışdır. Belə prosessorların kiçik klasteri imkanlarına görə insan beyni ilə müqayisə olunan süni intellekt modellərinə xidmət göstərməyə qadirdir. Buna, məsələn, genetika ilə bağlı məlumat bazasını əlavə etsək, nəticə elə bir həcmdə məlumatı təhlil etmək iqtidarında olan bir sistemdir ki, bir nəfərin və hətta qabaqcadan gözlənilən zaman miqyasında böyük alimlər qruplarının dərk edə bilməyəcəyi.
GSK zamanla genom analizi və onun dinamikası üçün birinci nəsil Cerebras sistemindən yararlanıb və bu ilin üçüncü rübündə ikinci nəsil sistemi gözləyir. Məlumata görə, CS-1 sisteminin EBERT-ni (BERT və ya “epigenomik” BERT-in təkrar təyin edilmiş neyron şəbəkə modeli) öyrətməsi 16 qovşaqlı GPU klasterində 24 günlə müqayisədə 2,5 gün çəkib. Yeni sistemin emal sürətini iki dəfə artıracağı gözlənilir.
Tədqiqatçılar iddia edirlər ki, təlimdən sonra EBERT «ENCODE-DREAM adlanan sənaye standartındakı 13 verilənlər toplusundan dördü üzrə ən yüksək proqnoz dəqiqliyinə nail olub». Model ümumi nəticədə üçüncü olub və tədqiqatçılar nəticələrin «çox ümidverici» olduğunu söyləyirlər.
Problem ondadır ki, insan epigenomu nəhəngdir və ənənəvi metodlardan istifadə edərək yüksək səviyyədə modelləşdirmək və ya öyrənmək üçün böyük hesablama resursları tələb edir. Süni intellekt bu yolu qısaltmağa imkan verir. Əvvəlki tədqiqatlar, bir model əsasında kompüterə eyni şeyi etməyi öyrətmək üçün epigenomikanın təsirinə dair kifayət qədər real dünya nümunələri təqdim etdi. Bu model daha sonra bir çox mühüm bioloji prosesləri proqnozlaşdırmaq üçün istifadə edilə bilər.
