Argonne National Laboratory lancia un servizio di inferenza AI su larga scala per la scienza aperta

La corsa a costruire modelli di intelligenza artificiale più grandi ha dominato i titoli per anni, ma una delle sfide più grandi nel calcolo scientifico è rimasta in gran parte irrisolta: come i ricercatori possano utilizzare sistemi di intelligenza artificiale avanzati su larga scala senza costruire la propria infrastruttura costosa.

Questo è il problema che il Argonne National Laboratory si propone di risolvere con il lancio di ciò che descrive come il primo servizio di inferenza AI su larga scala progettato specificamente per la scienza aperta.

Il nuovo servizio, sviluppato attraverso la Argonne Leadership Computing Facility (ALCF), fornisce ai ricercatori l’accesso cloud a modelli di linguaggio, fondamenti scientifici e sistemi di visione computerizzata che girano direttamente sull’infrastruttura di calcolo ad alte prestazioni di Argonne. Invece di formare i propri modelli o gestire cluster di hardware specializzati, gli scienziati possono accedere a una piattaforma di inferenza condivisa ottimizzata per flussi di lavoro di ricerca su larga scala.

Perché l’inferenza AI è importante per la scienza

Gran parte della conversazione sull’intelligenza artificiale si è concentrata sulla formazione dei modelli, ma l’inferenza è dove i sistemi di intelligenza artificiale diventano praticamente utili. L’inferenza AI è la fase in cui i modelli formati analizzano i dati, generano previsioni, interpretano i risultati o assistono nella presa di decisioni in tempo reale.

Per la ricerca scientifica, l’inferenza può accelerare notevolmente il ritmo della sperimentazione. I grandi set di dati provenienti da acceleratori di particelle, telescopi, esperimenti di fusione, progetti di genomica e simulazioni molecolari spesso sovraccaricano le pipeline di analisi tradizionali. I sistemi di inferenza AI possono interpretare rapidamente questi set di dati, aiutando i ricercatori a identificare modelli o anomalie che altrimenti richiederebbero settimane o mesi per scoprire.

Il nuovo servizio di Argonne è destinato a eliminare un collo di bottiglia importante rendendo accessibili le capacità di inferenza avanzate come una risorsa centralizzata piuttosto che richiedere a ogni istituzione di distribuire la propria pila di intelligenza artificiale.

Michael Papka, direttore dell’ALCF, ha descritto l’iniziativa come un passaggio da semplici offerte di potenza di calcolo a servizi scientifici abilitati all’intelligenza artificiale.

Un’infrastruttura di intelligenza artificiale nazionale per la ricerca

Il servizio di inferenza è strettamente legato alla più ampia Missione Genesis del Dipartimento dell’Energia degli Stati Uniti, un’iniziativa nazionale volta ad accelerare la scoperta scientifica attraverso l’infrastruttura guidata dall’intelligenza artificiale. La missione si propone di collegare supercomputer, strumenti scientifici e grandi set di dati in un ecosistema di intelligenza artificiale unificato in grado di supportare la ricerca di prossima generazione.

Il sistema di Argonne supporta già ricercatori da più laboratori del DOE, tra cui Brookhaven National Laboratory, Lawrence Berkeley National Laboratory, Oak Ridge National Laboratory e Los Alamos National Laboratory. La visione più ampia è quella di creare una piattaforma di ricerca nazionale interconnessa in cui gli strumenti di intelligenza artificiale, i dati sperimentali e le risorse di calcolo ad alte prestazioni possano operare insieme in modo fluido.

Questo è particolarmente importante poiché il lavoro scientifico dell’intelligenza artificiale coinvolge sempre più flussi di lavoro agentic, in cui i modelli interagiscono ripetutamente con sistemi di simulazione, database e strumenti analitici. Questi flussi di lavoro possono generare un enorme consumo di token e costi computazionali quando vengono eseguiti su piattaforme di intelligenza artificiale commerciali. L’infrastruttura di Argonne è progettata per supportare questi carichi di lavoro internamente per applicazioni scientifiche.

La tecnologia dietro la piattaforma

Il servizio fornisce l’accesso a più famiglie di modelli, tra cui i modelli Gemma di Google (GOOGL ), la famiglia LLaMA di Meta e i sistemi GPT-OSS di OpenAI, insieme a fondamenti scientifici specifici del dominio e sistemi sviluppati internamente come AuroraGPT.

AuroraGPT è particolarmente degno di nota perché rappresenta l’ambizione più ampia di Argonne di costruire sistemi di intelligenza artificiale formati specificamente su letteratura scientifica, set di dati e input di ricerca multimodali. Il progetto ha esplorato architetture estremamente grandi e ottimizzate per il ragionamento scientifico e ambienti di calcolo ad alte prestazioni.

L’infrastruttura stessa gira su sistemi ALCF dedicati, tra cui Sophia e Metis, con future espansioni pianificate sui sistemi alimentati da NVIDIA (NVDA ) chiamati Tara e Minerva.

Oltre i chatbot: applicazioni scientifiche reali

Mentre la discussione pubblica sull’intelligenza artificiale ruota spesso intorno agli assistenti conversazionali, l’attenzione di Argonne è saldamente focalizzata sull’accelerazione della ricerca.

Nella ricerca sull’energia da fusione, i modelli di inferenza possono monitorare il comportamento del plasma in tempo reale e potenzialmente prevedere le interruzioni prima che si verifichino. Nell’astronomia e nella fisica delle particelle, i sistemi di intelligenza artificiale possono analizzare enormi flussi di dati di telescopi o collider per identificare eventi rari in modo più efficiente. Nella chimica e nella scienza dei materiali, i sistemi di inferenza possono coordinare simulazioni molecolari complesse e automatizzare flussi di lavoro computazionali su larga scala.

Un esempio evidenziato da Argonne è ChemGraph, un framework guidato dall’intelligenza artificiale progettato per semplificare i flussi di lavoro di simulazione molecolare. Il sistema utilizza interazioni ripetute di strumenti di intelligenza artificiale per coordinare le simulazioni, l’analisi dei dati e la sperimentazione iterativa in un flusso di lavoro più connesso.

L’implicazione più ampia è che il calcolo scientifico sta evolvendo da lavori di calcolo isolati a ambienti di ricerca interattivi assistiti dall’intelligenza artificiale.

Il ruolo crescente di Argonne nell’infrastruttura di intelligenza artificiale

Fondata nel 1946, il Argonne National Laboratory è da lungo tempo una delle istituzioni di ricerca scientifica più importanti degli Stati Uniti, in particolare nel calcolo ad alte prestazioni, sistemi energetici, scienza dei materiali e ricerca nucleare. Il laboratorio opera sotto il Dipartimento dell’Energia degli Stati Uniti e ha svolto un ruolo centrale in diverse generazioni di iniziative di calcolo ad alte prestazioni americane.

Negli ultimi anni, Argonne è diventata sempre più influente nello sviluppo dell’intelligenza artificiale per la scienza attraverso progetti legati al calcolo su scala esaflop e grandi fondamenti scientifici. L’ALCF stesso ospita alcuni dei sistemi di calcolo più avanzati del paese, tra cui Aurora, uno dei supercomputer più veloci del mondo.

Il lancio del servizio di inferenza riflette una transizione più ampia che sta avvenendo sia nell’ambito accademico che in quello aziendale: passare da modelli di intelligenza artificiale autonomi a piattaforme di infrastruttura di intelligenza artificiale integrate in grado di supportare carichi di lavoro di ragionamento su larga scala e continui.

Per la ricerca scientifica, questa transizione potrebbe comprimere notevolmente il tempo trascorso tra la generazione dei dati grezzi e la scoperta significativa.