Argonne National Laboratory julkaisee suuren mittakaavan AI-päätöspalvelun avoimelle tieteelle

Kilpailu suurempien AI-mallien rakentamisesta on hallinnut otsikoita vuosia, mutta yksi tieteellisen laskennan suurimmista haasteista on edelleen pääosin ratkaisematta: miten tutkijat voivat käyttää edistyneitä AI-järjestelmiä laajassa mittakaavassa ilman kalliiden infrastruktuurien rakentamista.

Tämä on ongelma, jonka Argonne National Laboratory on nyt pyrkimässä ratkaisemaan lanseeraamalla mitä he kuvaavat ensimmäiseksi suuren mittakaavan AI-päätöspalveluksi, joka on suunniteltu erityisesti avoimelle tieteelle.

Uusi palvelu, joka on kehitetty Argonne Leadership Computing Facility (ALCF):n kautta, antaa tutkijoille pilvipalvelumaisen pääsyn suuriin kielimalleihin, tieteellisiin perusmalleihin ja tietokoneen näköjärjestelmiin, jotka suoritetaan suoraan Argonnen korkean suorituskyvyn laskentainfrastruktuurilla. Sen sijaan, että tutkijat kouluttaisivat omia mallejaan tai hallitsisivat erikoistuneita laitteistoklustereita, he voivat hyödyntää jaettua päätösalustaa, joka on optimoitu suurten tutkimusvirtojen tueksi.

Miksi AI-päätös on tärkeää tieteelle

Suurin osa AI-keskustelusta on keskittynyt mallien koulutukseen, mutta päätös on vaihe, jossa AI-järjestelmät ovat käytännöllisesti hyödyllisiä. AI-päätös on vaihe, jossa koulutetut mallit analysoivat dataa, luovat ennusteita, tulkitsevat tuloksia tai auttavat päätöksenteossa reaaliajassa.

Tieteellisessä tutkimuksessa päätös voi dramaattisesti kiihdyttää kokeiden vauhtia. Massiiviset datat, jotka tulevat hiukkaskiihdyttimistä, teleskooppeista, fuusiokokeista, genomiikka-projekteista ja molekyylisimulaatioista, usein ylittävät perinteiset analyysiputket. AI-päätösjärjestelmät voivat nopeasti tulkita nämä datat, auttaen tutkijoita tunnistamaan kuvioita tai poikkeamia, jotka muuten vaatisivat viikkoja tai kuukausia paljastaa.

Argonnen uusi palvelu on tarkoitettu poistamaan merkittävä pullonkaula tekemällä edistyneet päätösmahdollisuudet saataville keskitetyn resurssin tavoin eikä vaadi, että jokainen laitos ottaa käyttöön oman AI-pinoansa.

Michael Papka, ALCF:n johtaja, kuvasi aloitetta siirtymäksi, jossa siirrytään pelkästään raakasuorituskyvyn tarjoamisesta kohti integroiduille AI-tukea tieteellisille palveluille.

Kansallinen AI-infrastruktuuri tutkimukselle

Päätöspalvelu on tiiviisti kytköksissä Yhdysvaltain energiaministeriön laajempaan Genesis Mission:iin, joka on kansallinen aloite, joka keskittyy tieteellisen löytönohjaamiseen AI-vetoinen infrastruktuurin kautta. Tehtävän tavoitteena on yhdistää supertietokoneet, tieteelliset instrumentit ja suuret datat yhtenäiseen AI-ekosysteemiin, joka pystyy tukemaan seuraavan sukupolven tutkimusta.

Argonnen järjestelmä tukee jo useita DOE-laboratorioita, mukaan lukien Brookhaven National Laboratory, Lawrence Berkeley National Laboratory, Oak Ridge National Laboratory ja Los Alamos National Laboratory. Laajempi visio on luoda yhtenäinen kansallinen tutkimusalusta, jossa AI-työkalut, kokeelliset datat ja supertietokoneet voivat toimia yhdessä vaivattomasti.

Tämä on erityisen tärkeää, koska tieteellinen AI-työkuorma sisältää yhä useammin agenteja, joissa mallit vuorovaikuttavat toistuvasti simulaatiojärjestelmien, tietokantojen ja analyysityökalujen kanssa. Nämä työkuormat voivat generoida valtavat token-kulutuksen ja laskennalliset kustannukset, kun ne suoritetaan kaupallisilla AI-alustoilla. Argonnen infrastruktuuri on suunniteltu tukemaan näitä työkuormia sisäisesti tieteellisille sovelluksille.

Alustan taustalla oleva teknologia

Palvelu tarjoaa pääsyn useisiin malliperheisiin, mukaan lukien Google (GOOGL ):n Gemma-mallit, Meta:n LLaMA-perhe ja OpenAI:n GPT-OSS-järjestelmät, rinnakkain tieteellisten perusmallien ja sisäisesti kehitettyjen järjestelmien, kuten AuroraGPT:n, kanssa.

AuroraGPT on erityisen merkittävä, koska se edustaa Argonnen laajempaa tavoitetta rakentaa AI-järjestelmiä, jotka on koulutettu erityisesti tieteelliselle kirjallisuudelle, datalähteille ja monimodaalisille tutkimus syötteille. Projekti on tutkinut erittäin suuria arkkitehtuureja, jotka on optimoitu tieteelliseen päättelyyn ja korkean suorituskyvyn laskentaympäristöihin.

Infrastruktuuri itsessään toimii omistetuilla ALCF-järjestelmissä, kuten Sophia ja Metis, ja tulevaisuuden laajennus on suunniteltu NVIDIA-pohjaisille järjestelmille, nimeltään Tara ja Minerva.

Chatbottien ulkopuolella: Todelliset tieteelliset sovellukset

Vaikka julkinen AI-keskustelu usein pyörii keskustelupalvelimien ympärillä, Argonnen fokus on vahvasti tutkimuksen kiihdyttämisessä.

Fuusienergian tutkimuksessa päätösmallit voivat seurata plasma-käyttäytymistä reaaliajassa ja ennustaa mahdollisia häiriöitä ennen kuin ne tapahtuvat. Astronomiassa ja hiukkasfysiikassa AI-järjestelmät voivat analyysoida valtavia teleskooppi- tai kollisio-datarivejä tunnistamaan harvinaisia tapahtumia tehokkaammin. Kemian ja materiaalitieteessä päätösjärjestelmät voivat koordinoida monimutkaisia molekyylisimulaatioita ja automatisoida laajamittaisia laskennallisia työvirtoja.

Yksi Argonnen esimerkki on ChemGraph, AI-vetoinen kehys, joka on suunniteltu yksinkertaistamaan molekyylisimulaatioiden työvirtoja. Järjestelmä käyttää toistuvia AI-työkalu-kutsuja koordinoidakseen simulaatioita, data-analyysiä ja iteratiivista kokeilua yhdenmukaisemmassa työvirrassa.

Laajempi vaikutus on, että tieteellinen laskenta kehittyy erillisten supertietokoneiden työtehtävistä jatkuvasti vuorovaikkuvaan AI-tukeen tutkimiseen.

Argonnen kasvava rooli AI-infrastruktuurissa

Perustettu vuonna 1946, Argonne National Laboratory on pitkään ollut yksi Yhdysvaltain tärkeimmistä tieteellisistä tutkimuslaitoksista, erityisesti korkean suorituskyvyn laskennassa, energijärjestelmissä, materiaalitieteessä ja ydintutkimuksessa. Laboratorio toimii Yhdysvaltain energiaministeriön alaisuudessa ja on ollut keskeisessä asemassa useissa amerikkalaisissa supertietokonealoitteissa.

Vuosien varrella Argonne on tullut yhä vaikutusvaltaisemmaksi AI-tutkimuksessa tieteelle, erityisesti exaskale-laskennan ja suurten tieteellisten perusmallien parissa. ALCF itsessään sisältää maan johtavia tietokonejärjestelmiä, mukaan lukien Aurora, yksi maailman nopeimmista supertietokoneista.

Päätöspalvelun lanseeraus heijastaa laajempaa siirtymää, joka tapahtuu sekä akateemisessa että yritysmaailman laskennassa: siirtymistä erillisten AI-mallien käytöstä kohti integroiduille AI-infrastruktuuripohjaisille alustoille, jotka pystyvät tukemaan jatkuvia, suurmittakaavaisia päättelykuormia.

Tieteellisessä tutkimuksessa tämä siirtymä voi merkittävästi puristaa aikajanan, joka on raakadatan tuottamisen ja merkittävän löytämisen välillä.