एआई मॉडल और प्लेटफ़ॉर्म
आर्गोन नेशनल लेबोरेटरी ने ओपन साइंस के लिए बड़े पैमाने पर एआई अनुमान सेवा लॉन्च की
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें
बड़े एआई मॉडल बनाने की दौड़ ने वर्षों से हेडलाइंस पर कब्जा किया है, लेकिन वैज्ञानिक गणना में सबसे बड़ी चुनौतियों में से एक अनसुलझा रहा है: शोधकर्ता अपने स्वयं के महंगे बुनियादी ढांचे का निर्माण किए बिना उन्नत एआई प्रणालियों का वास्तव में उपयोग कैसे कर सकते हैं।
यह वह समस्या है जिसे आर्गोन नेशनल लेबोरेटरी अब ओपन साइंस के लिए विशेष रूप से डिज़ाइन की गई पहली बड़े पैमाने पर एआई अनुमान सेवा लॉन्च करके हल करने का लक्ष्य रखता है।
नयी सेवा, आर्गोन लीडरशिप कंप्यूटिंग सुविधा (एएलसीएफ) के माध्यम से विकसित, शोधकर्ताओं को क्लाउड-शैली की पहुंच प्रदान करती है बड़े भाषा मॉडल, वैज्ञानिक फाउंडेशन मॉडल और कंप्यूटर दृष्टि प्रणाली जो सीधे आर्गोन के उच्च-प्रदर्शन कंप्यूटिंग बुनियादी ढांचे पर चलती हैं। अपने स्वयं के मॉडलों को प्रशिक्षित करने या विशेषज्ञ हार्डवेयर क्लस्टर का प्रबंधन करने के बजाय, वैज्ञानिक एक साझा अनुमान मंच में टैप कर सकते हैं जो बड़े पैमाने पर शोध कार्यों के लिए अनुकूलित है।
विज्ञान के लिए एआई अनुमान क्यों महत्वपूर्ण है
एआई की अधिकांश चर्चा मॉडल प्रशिक्षण के आसपास केंद्रित है, लेकिन अनुमान वह चरण है जहां एआई प्रणाली व्यावहारिक रूप से उपयोगी हो जाती है। एआई अनुमान वह चरण है जहां प्रशिक्षित मॉडल डेटा का विश्लेषण करते हैं, भविष्यवाणियां उत्पन्न करते हैं, परिणामों की व्याख्या करते हैं या निर्णय लेने में सहायता करते हैं वास्तविक समय में।
वैज्ञानिक अनुसंधान के लिए, अनुमान प्रयोग की गति को नाटकीय रूप से तेज कर सकता है। कण त्वरक, दूरबीन, फ्यूजन प्रयोग, जीनोमिक्स परियोजनाओं और आणविक सिमुलेशन से बड़े डेटासेट अक्सर पारंपरिक विश्लेषण पाइपलाइनों को अभिभूत कर देते हैं। एआई अनुमान प्रणाली इन डेटासेट का तेजी से विश्लेषण कर सकती है, शोधकर्ताओं को उन पैटर्न या विचलन की पहचान करने में मदद करती है जिन्हें अन्यथा कई हफ्तों या महीनों में पता लगाना होगा।
आर्गोन की नई सेवा का उद्देश्य एक केंद्रीकृत संसाधन के रूप में उन्नत अनुमान क्षमताओं तक पहुंच प्रदान करके एक प्रमुख बोतलनेक को समाप्त करना है, न कि प्रत्येक संस्थान को अपना स्वयं का एआई स्टैक तैनात करने की आवश्यकता है।
एएलसीएफ के निदेशक माइकल पापका ने इस पहल को कच्चे कंप्यूटिंग शक्ति प्रदान करने से दूर ले जाने के रूप में वर्णित किया और एकीकृत एआई-संचालित वैज्ञानिक सेवाएं प्रदान करने के लिए।
अनुसंधान के लिए एक राष्ट्रीय एआई बुनियादी ढांचा
अनुमान सेवा यूएस डिपार्टमेंट ऑफ एनर्जी के व्यापक जेनेसिस मिशन से जुड़ी हुई है, जो एआई-संचालित बुनियादी ढांचे के माध्यम से वैज्ञानिक खोज को तेज करने पर केंद्रित एक राष्ट्रीय पहल है। मिशन का उद्देश्य सुपरकंप्यूटर, वैज्ञानिक उपकरण और बड़े पैमाने पर डेटासेट को एक एकीकृत एआई पारिस्थितिकी तंत्र में जोड़ना है जो अगली पीढ़ी के अनुसंधान का समर्थन कर सकता है।
आर्गोन की प्रणाली पहले से ही कई डीओई प्रयोगशालाओं के शोधकर्ताओं का समर्थन करती है, जिनमें ब्रुकहेवन नेशनल लेबोरेटरी, लॉरेंस बर्कले नेशनल लेबोरेटरी, ओक रिज नेशनल लेबोरेटरी और लॉस अलामोस नेशनल लेबोरेटरी शामिल हैं। व्यापक दृष्टि एक अंतर्संबंधित राष्ट्रीय अनुसंधान मंच बनाने की है जहां एआई टूल, प्रयोगात्मक डेटा, और सुपरकंप्यूटिंग संसाधन एक साथ सहजता से काम कर सकते हैं।
यह विशेष रूप से महत्वपूर्ण है क्योंकि वैज्ञानिक एआई कार्यभार में एजेंटिक कार्यों को शामिल करना शामिल है, जहां मॉडल बार-बार सिमुलेशन प्रणाली, डेटाबेस और विश्लेषणात्मक उपकरणों के साथ बातचीत करते हैं। ये कार्य व्यावसायिक एआई प्लेटफार्मों पर चलने पर बड़े टोकन उपभोग और गणना लागत पैदा कर सकते हैं। आर्गोन का बुनियादी ढांचा वैज्ञानिक अनुप्रयोगों के लिए आंतरिक रूप से इन कार्यों का समर्थन करने के लिए डिज़ाइन किया गया है।
प्लेटफ़ॉर्म के पीछे की तकनीक
सेवा कई मॉडल परिवारों तक पहुंच प्रदान करती है, जिनमें गूगल के जेमा मॉडल, मेटा के एलएलएएमए परिवार और ओपनएआई के जीपीटी-ओएसएस सिस्टम शामिल हैं, साथ ही डोमेन-विशिष्ट वैज्ञानिक फाउंडेशन मॉडल और आंतरिक रूप से विकसित प्रणाली जैसे ऑरोरागपीटी।
ऑरोरागपीटी विशेष रूप से उल्लेखनीय है क्योंकि यह आर्गोन की व्यापक महत्वाकांक्षा को दर्शाता है वैज्ञानिक साहित्य, डेटासेट और बहु-मोडल अनुसंधान इनपुट पर विशेष रूप से प्रशिक्षित एआई प्रणाली बनाने के लिए। परियोजना ने वैज्ञानिक तर्क और उच्च-प्रदर्शन कंप्यूटिंग वातावरण के लिए अनुकूलित अत्यधिक बड़े पैमाने पर वास्तुकला का अन्वेषण किया है।
बुनियादी ढांचा स्वयं एएलसीएफ प्रणालियों पर चलता है, जिनमें सोफिया और मेटिस शामिल हैं, और एनवीडिया संचालित प्रणालियों नामक तारा और मिनर्वा पर भविष्य के विस्तार की योजना है।
चैटबॉट्स से परे: वास्तविक वैज्ञानिक अनुप्रयोग
जबकि सार्वजनिक एआई चर्चा अक्सर सहायकों के बारे में होती है, आर्गोन का फोकस दृढ़ता से अनुसंधान त्वरण पर है।
फ्यूजन ऊर्जा अनुसंधान में, अनुमान मॉडल प्लाज्मा व्यवहार की निगरानी कर सकते हैं और संभावित रूप से वास्तविक समय में विकारों की भविष्यवाणी कर सकते हैं। खगोल विज्ञान और कण भौतिकी में, एआई प्रणाली दुर्लभ घटनाओं की पहचान करने के लिए दूरबीन या कोलाइडर डेटा के विशाल प्रवाह का विश्लेषण कर सकती है। रसायन विज्ञान और सामग्री विज्ञान में, अनुमान प्रणाली जटिल आणविक सिमुलेशन को समन्वयित कर सकती है और बड़े पैमाने पर गणना कार्यों को स्वचालित कर सकती है।
आर्गोन द्वारा उजागर एक उदाहरण केमग्राफ है, एक एआई-संचालित फ्रेमवर्क जो आणविक सिमुलेशन कार्यों को सरल बनाने के लिए डिज़ाइन किया गया है। प्रणाली सिमुलेशन, डेटा विश्लेषण और पुनरावृत्ति प्रयोग के बीच एक अधिक जुड़े हुए कार्य में एआई टूल-कॉलिंग इंटरैक्शन का उपयोग करती है।
व्यापक अर्थ यह है कि वैज्ञानिक गणना अलग-अलग सुपरकंप्यूटिंग नौकरियों से लेकर निरंतर रूप से इंटरैक्टिव एआई-सहायता प्राप्त अनुसंधान वातावरण में विकसित हो रही है।
आर्गोन की एआई बुनियादी ढांचे में बढ़ती भूमिका
1946 में स्थापित, आर्गोन नेशनल लेबोरेटरी संयुक्त राज्य अमेरिका की सबसे महत्वपूर्ण वैज्ञानिक अनुसंधान संस्थाओं में से एक रही है, विशेष रूप से उच्च-प्रदर्शन कंप्यूटिंग, ऊर्जा प्रणाली, सामग्री विज्ञान और परमाणु अनुसंधान में। प्रयोगशाला यूएस डिपार्टमेंट ऑफ एनर्जी के तहत संचालित होती है और कई पीढ़ियों के अमेरिकी सुपरकंप्यूटिंग पहलों में एक केंद्रीय भूमिका निभाई है।
हाल के वर्षों में, आर्गोन विज्ञान के लिए एआई विकास में बढ़ती प्रभावशीलता बन गया है, जो एक्सास्केल कंप्यूटिंग और बड़े वैज्ञानिक फाउंडेशन मॉडल से जुड़े परियोजनाओं के माध्यम से है। एएलसीएफ खुद देश की सबसे उन्नत कंप्यूटिंग प्रणालियों में से कुछ का घर है, जिनमें औरोरा शामिल है, जो दुनिया के सबसे तेज़ सुपरकंप्यूटरों में से एक है।
अनुमान सेवा का शुभारंभ एक बड़े परिवर्तन को दर्शाता है जो दोनों अकादमिक और उद्यम कंप्यूटिंग में हो रहा है: अलग-अलग एआई मॉडल से दूर जाना और एकीकृत एआई बुनियादी ढांचा मंचों की ओर बढ़ना जो निरंतर, बड़े पैमाने पर तर्क कार्यभार का समर्थन करने में सक्षम हैं।
वैज्ञानिक अनुसंधान के लिए, यह परिवर्तन कच्चे डेटा उत्पादन और महत्वपूर्ण खोज के बीच की समय-सीमा को काफी संकुचित कर सकता है।
