DDN 宣布，其高性能 存儲解決方案 已幫助支持Recursion的更廣泛，更快和更高效的藥物發現研究和運營 ，該數字生物學公司通過自動化，人工智能和機器學習（ML）功能來發現新藥。閱讀“ 遞歸”案例研究 ，該 案例描述了基礎架構的挑戰，解決方案和優勢，并揭示了鹽湖城正在進行的具有全球影響力的工作的細節。

在大多數行業都在為不斷增加的藥物發現成本和上市時間挑戰而戰的情況下，遞歸采用了結合了科學技術方法的新方法。這就需要針對AI和ML進行全面優化的高性能藥物發現處理，旨在從世界上最大的生物圖像庫中釋放最大的數據價值。

“我們的數據是我們的公司，因此我們需要強大的存儲架構來支持AI驅動的模型，” Recursion的首席系統工程師Kris Howard說。“管理我們的大規模數據需求需要快速提取，優化處理并減少應用程序運行時間。”

與DDN的領域專家合作，Recursion最初創建了一個概念證明，其中包含DDN的 EXAScaler ES400NV和ES7990X并行文件系統設備，這些設備后來被擴展為2PBs的容量，用于登臺ML模型。全閃存層被用作充足的旋轉磁盤支持的文件系統的前端，每個文件的前64K存根到該層，然后加速訪問數據的第一部分，然后將其余部分流式傳輸到旋轉盤。

使用DDN，Recursion每周執行約350，000個實驗，并針對數百種疾病模型篩選數千種化合物，而現在的成本和時間僅是傳統藥物發現方法的一小部分。DDN的混合高性能可擴展存儲解決方案針對AI和ML進行了全面優化，有助于降低成本并提高生物學研究的效率。

DDN總裁兼聯合創始人Paul Bloch說：“ DDN作為存儲領導者的聲譽因我們成熟的解決方案和對AI數據存儲的日益關注而得到鞏固。” DDN利用智能基礎架構來提供最全面的以數據為中心的以AI為中心的解決方案集，DDN靈活調整Recursion的配置以滿足特定工作負載的靈活性，帶來了強大的存儲，可無縫支持18個節點和136個GPU。作為遞歸的存儲基礎架構提供者而受到信任是一項真正的榮譽，因為他們致力于破壞傳統的藥物發現方法并準確高效地確定疾病的治療方法。”

盡管傳統的存儲架構無法滿足Recursion嚴格的高性能文件處理要求，但DDN的2PB高性能多層數據管理基礎架構已幫助最大化GPU計算資源用于加速的AI工作流程。這種方法不僅為Recursion的苛刻工作負載提供了極快的性能，而且還有助于緩解文件訪問瓶頸，同時實現了對GPU的高效流傳輸。

“我們的DDN存儲非常快，”霍華德說。“ Flash層使文件訪問時間減少了40%，我們可以將GPU的利用率提高到100%，并固定在那里。從PFS訓練數據是非常不尋常的，但這對于我們的用例來說是一個完美的解決方案。”