Laboratorium Narodowe Argonne Uruchamia Usługę Dużego Rozmiaru Inferencji Sztucznej Inteligencji Dla Nauki Otwartej

Wyścig z budową większych modeli sztucznej inteligencji dominował nagłówki przez lata, ale jednym z największych wyzwań w obliczeniach naukowych pozostało w dużej mierze nierozwiązane: jak naukowcy mogą korzystać z zaawansowanych systemów sztucznej inteligencji na dużą skalę bez budowy własnej drogiej infrastruktury.

To jest problem, który Laboratorium Narodowe Argonne próbuje rozwiązać poprzez uruchomienie tego, co określa jako pierwszą usługę inferencji sztucznej inteligencji na dużą skalę, zaprojektowaną specjalnie dla nauki otwartej.

Nowa usługa, opracowana za pośrednictwem Argonne Leadership Computing Facility (ALCF), daje naukowcom dostęp do chmury do dużych modeli językowych, modeli naukowych i systemów komputerowego widzenia, które działają bezpośrednio na infrastrukturze obliczeniowej Argonne. Zamiast szkolić własne modele lub zarządzać specjalistycznymi klastrami sprzętu, naukowcy mogą korzystać z platformy inferencji udostępnionej na dużą skalę, zoptymalizowanej pod kątem dużych prac naukowych.

Dlaczego Inferencja Sztucznej Inteligencji Ma Znaczenie Dla Nauki

Większość dyskusji o sztucznej inteligencji koncentrowała się na szkoleniu modeli, ale inferencja jest etapem, na którym systemy sztucznej inteligencji stają się praktycznie użyteczne. Inferencja sztucznej inteligencji jest etapem, na którym wytrenowane modele analizują dane, generują przewidywania, interpretują wyniki lub pomagają w podejmowaniu decyzji w czasie rzeczywistym.

Dla badań naukowych inferencja może dramatycznie przyspieszyć tempo eksperymentów. Ogromne zestawy danych z akceleratorów cząstek, teleskopów, eksperymentów z fuzją, projektów genomiki i symulacji molekularnych często przytłaczają tradycyjne potoki analizy. Systemy inferencji sztucznej inteligencji mogą szybko interpretować te zestawy danych, pomagając naukowcom identyfikować wzorce lub anomalie, które w przeciwnym razie zajęłoby tygodnie lub miesiące, aby je odkryć.

Nowa usługa Argonne ma na celu wyeliminowanie głównego wąskiego gardła, udostępniając zaawansowane możliwości inferencji jako scentralizowane zasoby, a nie wymagając, aby każda instytucja wdrożyła własny stos sztucznej inteligencji.

Michael Papka, dyrektor ALCF, opisał inicjatywę jako zmianę od prostego oferowania surowej mocy obliczeniowej w kierunku świadczenia zintegrowanych usług naukowych wspomaganych przez sztuczną inteligencję.

Narodowa Infrastruktura Sztucznej Inteligencji Dla Badań

Usługa inferencji jest ściśle związana z szerszą Misją Genesis Departamentu Energii Stanów Zjednoczonych, która jest narodową inicjatywą skupioną na przyspieszaniu odkryć naukowych za pomocą infrastruktury napędzanej przez sztuczną inteligencję. Misja ma na celu połączenie superkomputerów, instrumentów naukowych i dużych zbiorów danych w zunifikowany ekosystem sztucznej inteligencji, który może wspierać następną generację badań.

System Argonne już wspiera naukowców z wielu laboratoriów DOE, w tym Brookhaven National Laboratory, Lawrence Berkeley National Laboratory, Oak Ridge National Laboratory i Los Alamos National Laboratory. Szerokie wizje polegają na stworzeniu połączonej platformy badawczej, na której narzędzia sztucznej inteligencji, dane eksperymentalne i zasoby superkomputera mogą działać razem bezproblemowo.

Jest to szczególnie ważne, ponieważ naukowe obciążenia sztucznej inteligencji coraz częściej obejmują agenciowe przepływy pracy, w których modele wielokrotnie wchodzą w interakcje z systemami symulacji, bazami danych i narzędziami analitycznymi. Przepływy pracy te mogą generować ogromne zużycie tokenów i koszty obliczeniowe, gdy są uruchamiane na komercyjnych platformach sztucznej inteligencji. Infrastruktura Argonne jest zaprojektowana tak, aby wspierać te obciążenia wewnętrznie dla aplikacji naukowych.

Technologia Za Platformą

Usługa zapewnia dostęp do wielu rodzin modeli, w tym modeli Gemma od Google (GOOGL ), rodziny LLaMA od Meta i systemów GPT-OSS od OpenAI, obok modeli naukowych i wewnętrznie opracowanych systemów, takich jak AuroraGPT.

AuroraGPT jest szczególnie godny uwagi, ponieważ reprezentuje szerszą ambicję Argonne, aby zbudować systemy sztucznej inteligencji, które są szkolone specjalnie na literaturze naukowej, zestawach danych i wielomodalnych danych badawczych. Projekt badał bardzo duże architektury zoptymalizowane dla naukowego rozumowania i środowisk obliczeniowych o wysokiej wydajności.

Infrastruktura sama w sobie działa na dedykowanych systemach ALCF, w tym Sophia i Metis, z planowanym rozszerzeniem na systemy NVIDIA (NVDA ) o nazwach Tara i Minerva.

Poza Czatbotami: Rzeczywiste Aplikacje Naukowe

Podczas gdy publiczna dyskusja o sztucznej inteligencji często kręci się wokół asystentów konwersacyjnych, focus Argonne jest wyraźnie ukierunkowany na przyspieszanie badań.

W badaniach nad energią fuzyjną modele inferencji mogą monitorować zachowanie plazmy w czasie rzeczywistym i potencjalnie przewidywać perturbacje, zanim wystąpią. W astronomii i fizyce cząstek systemy sztucznej inteligencji mogą analizować ogromne strumienie danych z teleskopów lub akceleratorów, aby identyfikować rzadkie zdarzenia w sposób bardziej wydajny. W chemii i nauce o materiałach systemy inferencji mogą koordynować złożone symulacje molekularne i automatyzować duże obciążenia obliczeniowe.

Jednym z przykładów, który podkreśla Argonne, jest ChemGraph, framework napędzany przez sztuczną inteligencję, zaprojektowany w celu uproszczenia przepływów pracy symulacji molekularnych. System wykorzystuje wielokrotne interakcje wywołań narzędzi sztucznej inteligencji, aby koordynować symulacje, analizę danych i iteracyjne eksperymenty w bardziej połączonym przepływie pracy.

Szersze implikacje są takie, że obliczenia naukowe ewoluują z izolowanych zadań superkomputera w środowiska badawcze wspomagane przez sztuczną inteligencję w sposób ciągły.

Rosnąca Rola Argonne W Infrastrukturze Sztucznej Inteligencji

Założone w 1946 roku, Laboratorium Narodowe Argonne od dawna jest jedną z najważniejszych instytucji badawczych w Stanach Zjednoczonych, zwłaszcza w dziedzinie obliczeń o wysokiej wydajności, systemów energetycznych, nauki o materiałach i badań jądrowych. Laboratorium działa pod auspicjami Departamentu Energii Stanów Zjednoczonych i odegrało centralną rolę w kilku generacjach amerykańskich inicjatyw superkomputera.

W ostatnich latach Argonne stało się coraz bardziej wpływowe w rozwoju sztucznej inteligencji dla nauki poprzez projekty związane z komputowaniem eksascale i dużymi modelami naukowymi. Samo ALCF mieści niektóre z najbardziej zaawansowanych systemów komputera w kraju, w tym Aurorę, jeden z najszybszych superkomputerów na świecie.

Uruchomienie usługi inferencji odzwierciedla szerszą transformację, która zachodzi zarówno w środowiskach akademickich, jak i przedsiębiorstwach: przechodzenie od samodzielnych modeli sztucznej inteligencji w kierunku zintegrowanych platform infrastruktury sztucznej inteligencji, które mogą wspierać ciągłe, duże obciążenia pracy.

Dla badań naukowych ta transformacja mogłaby znacząco skrócić czas między generowaniem surowych danych a znaczącym odkryciem.