論文の概要: Industry-Scale Orchestrated Federated Learning for Drug Discovery

• arxiv url: http://arxiv.org/abs/2210.08871v1
• Date: Mon, 17 Oct 2022 09:07:59 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-18 17:06:00.625997
• Title: Industry-Scale Orchestrated Federated Learning for Drug Discovery
• Title（参考訳）: 創薬のための産業規模の連携学習
• Authors: Martijn Oldenhof, Gergely \'Acs, Bal\'azs Pej\'o, Ansgar Schuffenhauer, Nicholas Holway, No\'e Sturm, Arne Dieckmann, Oliver Fortmeier, Eric Boniface, Cl\'ement Mayer, Arnaud Gohier, Peter Schmidtke, Ritsuya Niwayama, Dieter Kopecky, Lewis Mervin, Prakash Chandra Rathi, Lukas Friedrich, Andr\'as Formanek, Peter Antal, Jordon Rahaman, Adam Zalewski, Ezron Oluoch, Manuel St\"o{\ss}el, Michal Van\v{c}o, David Endico, Fabien Gelus, Tha\"is de Boisfoss\'e, Adrien Darbier, Ashley Nicollet, Matthieu Blotti\`ere, Maria Telenczuk, Van Tien Nguyen, Thibaud Martinez, Camille Boillet, Kelvin Moutet, Alexandre Picosson, Aur\'elien Gasser, Inal Djafar, \'Ad\'am Arany, Jaak Simm, Yves Moreau, Ola Engkvist, Hugo Ceulemans, Camille Marini, Mathieu Galtier
• Abstract要約: MELLODDY (grant ndeg831472) は10の製薬会社、学術研究所、大企業、スタートアップで構成されていた。 MELLODDYプラットフォームは、個々のパートナーの機密データを共有することなく、医薬品発見のためのグローバルなフェデレーションモデルの作成を可能にする、最初の産業規模のプラットフォームであった。
• 参考スコア（独自算出の注目度）: 34.224945869943156
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: To apply federated learning to drug discovery we developed a novel platform in the context of European Innovative Medicines Initiative (IMI) project MELLODDY (grant n{\deg}831472), which was comprised of 10 pharmaceutical companies, academic research labs, large industrial companies and startups. To the best of our knowledge, The MELLODDY platform was the first industry-scale platform to enable the creation of a global federated model for drug discovery without sharing the confidential data sets of the individual partners. The federated model was trained on the platform by aggregating the gradients of all contributing partners in a cryptographic, secure way following each training iteration. The platform was deployed on an Amazon Web Services (AWS) multi-account architecture running Kubernetes clusters in private subnets. Organisationally, the roles of the different partners were codified as different rights and permissions on the platform and administrated in a decentralized way. The MELLODDY platform generated new scientific discoveries which are described in a companion paper.
• Abstract（参考訳）: 医薬品発見にフェデレートラーニングを適用するため,欧州イノベーティブ・メディカルズ・イニシアチブ (IMI) プロジェクト MELLODDY (grant n{\deg}831472) の文脈で新しいプラットフォームを開発した。 私たちの知る限り、MELLODDYプラットフォームは、個々のパートナーの機密データを共有することなく、医薬品発見のためのグローバルなフェデレーションモデルの作成を可能にする、最初の業界規模のプラットフォームでした。 フェデレーションモデルは、各トレーニングイテレーションに続く暗号的かつセキュアな方法で、すべてのコントリビュートパートナの勾配を集約することで、プラットフォーム上でトレーニングされた。 このプラットフォームは、プライベートサブネットでKubernetesクラスタを実行するAmazon Web Services(AWS)マルチアカウントアーキテクチャ上にデプロイされた。 組織的には、異なるパートナーの役割はプラットフォーム上の異なる権利と権限として体系化され、分散された方法で管理された。 MELLODDYプラットフォームは、共同論文に記載された新しい科学的発見を生み出した。

関連論文リスト

• Recent Advances of Multimodal Continual Learning: A Comprehensive Survey [64.82070119713207]
  本研究は,マルチモーダル連続学習法に関する総合的な調査である。 既存のMMCLメソッドは,正規化ベース,アーキテクチャベース,リプレイベース,プロンプトベースという4つのカテゴリに分類される。 今後の研究・開発への道筋について論じる。
  論文  参考訳（メタデータ） (2024-10-07T13:10:40Z)
• Federated brain tumor segmentation: an extensive benchmark [2.515027627030043]
  本稿では,この課題における3つのクラスすべてからのフェデレーション学習アルゴリズムの広範なベンチマークを提案する。 各カテゴリのいくつかの手法は、若干の性能改善をもたらし、フェデレーションの圧倒的なデータ分布に対する最終モデル(s)バイアスを制限する可能性があることを示す。
  論文  参考訳（メタデータ） (2024-10-07T09:32:19Z)
• FEDKIM: Adaptive Federated Knowledge Injection into Medical Foundation Models [54.09244105445476]
  本研究は,フェデレート・ラーニング・フレームワーク内で医療基盤モデルを拡張するための新しい知識注入手法であるFedKIMを紹介する。 FedKIMは軽量なローカルモデルを活用して、プライベートデータから医療知識を抽出し、この知識を集中基盤モデルに統合する。 7つのモードで12タスクを対象に実験を行い,FedKIMの有効性について検討した。
  論文  参考訳（メタデータ） (2024-08-17T15:42:29Z)
• FEDMEKI: A Benchmark for Scaling Medical Foundation Models via Federated Knowledge Injection [83.54960238236548]
  FEDMEKIはデータのプライバシーを守るだけでなく、医療基盤モデルの能力を高める。 FEDMEKIは、医療ファンデーションモデルに対して、直接データを公開することなく、幅広い医療知識から学ぶことを可能にする。
  論文  参考訳（メタデータ） (2024-08-17T15:18:56Z)
• OpenMEDLab: An Open-source Platform for Multi-modality Foundation Models in Medicine [55.29668193415034]
  マルチモダリティ基盤モデルのためのオープンソースプラットフォームであるOpenMEDLabについて紹介する。 これは、最前線臨床および生体情報学応用のための大規模言語とビジョンモデルを刺激し、微調整する先駆的な試みの解決策をカプセル化する。 様々な医用画像のモダリティ、臨床テキスト、タンパク質工学など、事前訓練された基礎モデル群へのアクセスが可能である。
  論文  参考訳（メタデータ） (2024-02-28T03:51:02Z)
• IoT Federated Blockchain Learning at the Edge [14.689706366051956]
  我々は、IoTデバイスのための分散フェデレーション学習フレームワーク、特にIoMT(Internet of Medical Things)について提案する。 ブロックチェーンを使用して、中央集権システム上でのプライバシと効率を改善する分散型スキームを可能にします。 1) プライバシを確保するためにデータセットから学習を分離しながら、共有モデルの協調的なトレーニングを可能にするために、IoTデバイス上でニューラルネットワークをトレーニングする。
  論文  参考訳（メタデータ） (2023-04-06T11:32:40Z)
• Biomedical NER for the Enterprise with Distillated BERN2 and the Kazu Framework [12.641531861117086]
  Kazuは、バイオNLPをサポートするために設計された、非常にスケーラブルなオープンソースフレームワークである。 BERN2 NERモデル(TinyBERN2)の計算効率の良いバージョンを中心に構築され、他のBioNLP技術を1つのコヒーレントシステムにラップする。
  論文  参考訳（メタデータ） (2022-12-01T02:07:55Z)
• FedNER: Privacy-preserving Medical Named Entity Recognition with Federated Learning [87.14713333892112]
  本稿では,フェデレート学習に基づくプライバシ保護医療NER手法を提案する。 各プラットフォームで医療用NERモデルを共有モジュールとプライベートモジュールに分解する。 プライベートモジュールは各プラットフォームのローカルデータの特徴をキャプチャするために使用され、ローカルラベル付きデータを使用して更新される。
  論文  参考訳（メタデータ） (2020-03-20T14:17:16Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。