Living Models, una startup con sedi a Parigi e Berkeley, ha annunciato un finanziamento di 7 milioni di dollari per lo sviluppo di modelli fondazionali in ambito biologico. L'azienda si concentra sull'utilizzo di dati provenienti da DNA, RNA e altre fonti multi-omiche per migliorare la comprensione dei sistemi biologici.

Addestramento su cluster NVIDIA B200

Per supportare la prossima fase di sviluppo, Living Models ha ottenuto l'accesso a un cluster di calcolo composto da 120 GPU NVIDIA B200. Questo cluster sarà utilizzato per addestrare la prossima generazione di modelli di intelligenza artificiale biologica.

Focus sull'agricoltura e BOTANIC

Living Models sta concentrando i propri sforzi sull'applicazione dell'intelligenza artificiale ai dati biologici, in particolare nel settore dell'agricoltura. L'azienda ha presentato BOTANIC, una famiglia di modelli transformer progettati specificamente per la biologia delle piante. Questi modelli sono addestrati su sequenze genomiche di diverse specie vegetali e analizzano dati genomici e biologici per identificare marcatori genetici associati a caratteristiche come la resilienza climatica e la resistenza alle malattie.

Accelerare lo sviluppo di nuove varietà di colture

L'obiettivo principale è accelerare lo sviluppo di nuove varietà di colture, prevedendo quali varianti genetiche meritano di essere testate. Questo approccio mira a ridurre i tempi necessari per i tradizionali cicli di miglioramento genetico, consentendo ai ricercatori di concentrarsi sulle varianti genetiche più rilevanti prima di effettuare la validazione sul campo.

Espansione futura

Nel lungo termine, Living Models prevede di espandere il proprio lavoro sui modelli fondazionali per i sistemi biologici oltre il regno vegetale. La scelta di iniziare con la biologia delle piante è stata dettata dalla disponibilità di ampi set di dati genomici, cicli di validazione più rapidi rispetto ad altri settori delle scienze della vita e dalla crescente necessità di tecnicie che supportino un'agricoltura resiliente al clima.

Per chi valuta deployment on-premise, esistono trade-off da considerare. AI-RADAR offre framework analitici su /llm-onpremise per valutare queste opzioni.