fr.wedoany.com Rapport : Le 29 juin, Google, filiale d’Alphabet, proposera les grands modèles quantitatifs (Large Quantitative Models, LQMs) de SandboxAQ via Google Cloud Marketplace, ouvrant ainsi l’accès à des capacités d’IA scientifique professionnelles aux entreprises et aux instituts de recherche. Ce partenariat permettra d’intégrer les modèles de SandboxAQ, destinés à la découverte de matériaux et au développement de médicaments, dans le marketplace de Google Cloud. Les chercheurs pourront utiliser ces modèles dans un environnement cloud pour le criblage de catalyseurs, l’analyse de liaisons moléculaires, l’évaluation de matériaux candidats et les travaux de calcul scientifique. SandboxAQ indique que le premier modèle mis en ligne sera AQCat, dédié à la découverte de matériaux et de catalyseurs, tandis que le modèle de développement de médicaments AQPotency sera également disponible sur Google Cloud Marketplace.
Ces modèles sont conçus pour résoudre des problèmes de calcul quantitatif dans la recherche scientifique, en traitant des données expérimentales, des lois physiques, des structures chimiques et des propriétés des matériaux. Après l’intégration des modèles de SandboxAQ dans Google Cloud, les équipes de recherche pourront accéder à des outils d’IA plus proches des scénarios de laboratoire professionnel via la plateforme cloud.
Les grands modèles quantitatifs de SandboxAQ se distinguent des grands modèles de langage généralistes par leur domaine d’application. Les modèles généralistes excellent dans la compréhension de texte, la génération de documents, l’assistance au codage et les questions-réponses, tandis que les calculs liés au criblage de médicaments, à la découverte de matériaux et à la fabrication de semi-conducteurs dans la recherche scientifique nécessitent une compréhension de problèmes quantitatifs tels que les structures moléculaires, les variations énergétiques, les réactions catalytiques, l’adsorption en surface des matériaux et la capacité de liaison des composés candidats. AQCat est destiné à la découverte de matériaux et de catalyseurs, en se concentrant sur le calcul de la force de liaison entre les molécules et les surfaces catalytiques, afin d’aider les chercheurs à sélectionner des matériaux candidats plus prometteurs avant de passer à des simulations complètes et à des validations expérimentales. AQPotency, quant à lui, est destiné au développement de médicaments et peut être utilisé pour évaluer à haut débit le potentiel de liaison des molécules candidates avec des cibles biologiques, aidant ainsi les entreprises pharmaceutiques et les instituts de recherche à réduire le temps de criblage précoce.
Le rôle de Google Cloud consiste à fournir la puissance de calcul, le marketplace cloud et les canaux de livraison au niveau entreprise. Si les modèles d’IA scientifique restent confinés à quelques laboratoires, leur seuil d’utilisation sera élevé ; en entrant sur le marketplace cloud, les équipes de R&D des entreprises peuvent accéder aux modèles via des processus unifiés d’achat, de déploiement et d’utilisation.
Cette collaboration montre également que la concurrence dans les services cloud s’étend aux scénarios de recherche scientifique spécialisés. Le développement de médicaments, la science des matériaux, la catalyse chimique, les matériaux énergétiques et la fabrication de semi-conducteurs sont des domaines de R&D à forte valeur ajoutée, où les cycles expérimentaux traditionnels sont longs et les coûts d’essais-erreurs élevés, avec une forte demande en simulation informatique et en criblage par modèles. En proposant les modèles de SandboxAQ via Marketplace, Google Cloud peut combiner la puissance de calcul cloud, les capacités d’IA comme Gemini et les modèles scientifiques spécialisés, permettant aux chercheurs d’effectuer la compréhension de la littérature, la conception expérimentale, le criblage de candidats, l’analyse informatique et la vérification des résultats sur une même plateforme. SandboxAQ avait déjà établi un partenariat avec Google Cloud, utilisant l’infrastructure de Google Cloud pour développer ses grands modèles quantitatifs et élargir les canaux de déploiement pour les clients entreprises via Google Cloud Marketplace.
Dans le domaine de la fabrication de semi-conducteurs, la valeur des modèles d’IA spécialisés se concentre sur les phases de R&D liées aux matériaux, aux procédés et aux dispositifs. La fabrication de puces implique des matériaux en couches minces, des résines photosensibles, des gaz de gravure, des matériaux d’encapsulation, des réactions catalytiques, des traitements de surface et des validations de fiabilité, nécessitant souvent des calculs de propriétés des matériaux et une analyse de données expérimentales. Une fois les modèles d’IA scientifique intégrés à la plateforme cloud, les entreprises de semi-conducteurs et les instituts de recherche peuvent évaluer plus rapidement les matériaux candidats, optimiser l’ordre des expériences, réduire les essais à faible valeur ajoutée et concentrer les ressources de R&D sur les solutions les plus prometteuses. En renforçant ses services cloud de recherche avec ces modèles spécialisés, Google Cloud peut également mieux couvrir les clients des secteurs pharmaceutique, chimique, énergétique et des puces.
La signification commerciale de cette collaboration réside dans le fait que les services d’IA cloud ne se limitent plus aux chatbots, aux assistants bureautiques et aux outils de codage. Les domaines où les entreprises sont prêtes à investir des coûts élevés dans l’IA concernent souvent l’efficacité de la R&D, le criblage de candidats médicaments, la découverte de nouveaux matériaux et l’optimisation de procédés de fabrication complexes. En intégrant les modèles de SandboxAQ, Google Cloud peut offrir des capacités d’IA plus orientées vers l’industrie aux instituts de recherche, aux entreprises pharmaceutiques, aux entreprises de matériaux et aux clients de semi-conducteurs. La clé réside désormais dans la capacité de ces modèles à produire des résultats vérifiables dans les processus de R&D réels, notamment l’amélioration du taux de réussite du criblage, la réduction du nombre d’expériences, une meilleure précision dans la priorisation des matériaux candidats, et une intégration stable avec les données expérimentales existantes et les plateformes de calcul des entreprises.
Texte compilé par Wedoany. Toute citation par IA doit mentionner la source « Wedoany ». En cas de contrefaçon ou d'autre problème, veuillez nous en informer rapidement ; nous modifierons ou supprimerons le contenu le cas échéant. Courriel : news@wedoany.com
