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
- 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) - FedDBL: Communication and Data Efficient Federated Deep-Broad Learning
for Histopathological Tissue Classification [65.7405397206767]
本稿では,FedDBL(Federated Deep-Broad Learning)を提案する。
FedDBLは1ラウンドの通信と限られたトレーニングサンプルで競合相手をはるかに上回り、マルチラウンドの通信で同等のパフォーマンスを達成している。
異なるクライアント間でのデータやディープモデルを共有しないため、プライバシ問題は十分に解決されており、モデルのセキュリティはモデル反転攻撃のリスクなしに保証される。
論文 参考訳(メタデータ) (2023-02-24T14:27:41Z) - Plankton-FL: Exploration of Federated Learning for Privacy-Preserving
Training of Deep Neural Networks for Phytoplankton Classification [81.04987357598802]
本研究では,植物プランクトン分類のための深層ニューラルネットワークのプライバシー保護トレーニングにフェデレート学習を活用する可能性を検討する。
我々は2つの異なるフェデレーション学習フレームワーク、フェデレーション学習(FL)と相互排他的FL(ME-FL)をシミュレートする。
本研究では,植物プランクトンモニタリングにおけるフェデレート学習の可能性と可能性について実験的に検証した。
論文 参考訳(メタデータ) (2022-12-18T02:11:03Z) - 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) - FedStack: Personalized activity monitoring using stacked federated
learning [12.792461572028449]
フェデレーション学習は、データのプライバシを高めるように設計された比較的新しいAI技術である。
従来のフェデレート学習では、ローカルクライアントとグローバルサーバをまたいでトレーニングされるのと同じアーキテクチャモデルが必要です。
この研究は、分散型アプローチで入院中の患者に対して保護されたプライバシシステムを提供する。
論文 参考訳(メタデータ) (2022-09-27T00:12:44Z) - MedPerf: Open Benchmarking Platform for Medical Artificial Intelligence
using Federated Evaluation [110.31526448744096]
この可能性を解き明かすには、大規模な異種データに対して医療AIモデルの性能を測定する体系的な方法が必要である、と私たちは主張する。
MedPerfは、医療分野で機械学習をベンチマークするためのオープンフレームワークです。
論文 参考訳(メタデータ) (2021-09-29T18:09:41Z) - 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。