Microsoft は AI と HPC を使用して 3,200 万の新しい素材を分析

Microsoft とパシフィック ノースウェスト国立研究所は、AI とハイ パフォーマンス コンピューティング (HPC) テクノロジを使用して 3,200 の新しい候補材料をモデル化し、高効率の充電式バッテリー材料の開発を加速するために協力しています。 。この共同プロジェクトは、Microsoft の将来の開発目標をサポートし、250 年にわたる人体化学研究の歴史をデータ モデルに組み込み、将来の科学研究を強力にサポートすることを目的としています。

Azure Quantum Elements

このプロジェクトでは、Microsoft 研究者は科学的発見を加速するように設計された Azure Quantum Elements プラットフォームを活用しました。現在、このプラットフォームは従来のハイパフォーマンス コンピューティング (HPC) と人工知能 (AI) を使用していますが、将来的には Microsoft の量子スーパーコンピューターと互換性を持たせることを目指しています。さらに、Azure Quantum Elements は HPC クラスターをスケールアップし、AI を活用して高品質な推論を実現し、リチウム イオン バッテリー研究において重要な役割を果たします。さらに、Microsoft の Copilot AI は、データ処理、コードの作成、シミュレーションの実行などの特定の操作を簡素化する役割も担っています。

Azure Quantum Elements は、大規模、高速、高精度の要件によってもたらされる技術的課題の解決に重点を置いています:

• スケール: 処理スケールは非常に重要であり、直接決定されます。新しい分子や材料発見の特定の範囲。候補となる材料を数千から数百万に拡大するには、拡張する能力が重要です。研究者は、材料内の欠陥や化学的不均一性などの複雑な要因を正確に捉えるのに十分な大きさのシステムをモデル化する必要があります。
• スピード: スピードとは、材料の基本特性をシミュレーションおよび分析するために、特定の化学シミュレーションを 500,000 回加速することを指します。コンピューティング プロセスの高速化により、研究者の作業効率が向上します。量子要素プラットフォームの目標は、さまざまな材料の大量のシミュレーション データを迅速に処理することで、発見を加速し、有望な候補材料を効率的に特定することです。速度は、AI と HPC 間の対話の効率も決定します。
• 精度: 化学系における一部の量子力学的効果は近似的な結果しか得られないため、精度は完全な精度を重視するものではありません。現在の古典的なコンピューターはまだそのようなシナリオを正確にシミュレートすることができないため、将来的に精度をさらに向上させるには、量子コンピューティングと AI および HPC を完全に統合する必要があります。

3,200 万の候補材料から答えを見つける

Microsoft Azure 研究チームは、リチウム電池製造に理想的な固体電解質を研究しています。研究チームは、イオン置換によって 200,000 個の既知の結晶内の特定の原子を置換し、54 個の潜在的な電解質原子を置換オプションとして使用しました。このプロセス中に、研究者たちは合計 3,200 万を超える新しい材料を作成しましたが、そのような巨大な候補ライブラリは広すぎるため、ノースウェスト国立研究所に引き渡す前にさらにスクリーニングして、より管理しやすいサイズに縮小する必要があります。従来の HPC 物理モデルではこのような大規模な問題セットを迅速に解決するには不十分であることを考慮し、Microsoft は AI を使用して材料の安定性解析を加速することを決定しました。このようなプロジェクトでは、AI は、電気化学的安定性、バンドギャップ、電気化学反応性、エネルギー、力などの材料特性を予測するための高速かつ強力なツール オプションになります。 AI を使用して HPC シミュレーションの量子化学計算を置き換えることにより、マイクロソフトはスクリーニング速度を従来の方法の 15,000 倍に高めることに成功しました。

このプロセスを通じて、材料ライブラリは最初にスクリーニングされ、500,000 の安定した候補が残りました。次に、500,000 の候補材料が AI スクリーニング プロセスを使用して電気化学的安定性についてさらにスクリーニングされ、800 の有望な候補が得られました。 AI アルゴリズムは高速かつ正確ですが、量子力学計算の制限により多少の誤差が生じる可能性があります。したがって、材料の物理的および化学的特性をさらに分析するには、従来の物理効果に基づく HPC パイプラインを使用して、残りの 800 の候補材料に対して二次処理を実行する必要があります。

この段階で、研究者らは AI スクリーニング プロセスを使用して、さまざまな新しい材料の特性を評価しました。このプロセスは、候補材料を迅速に評価するための予測モデルから始まり、次により正確な物理シミュレーションの検証が続き、最後に分子動力学研究によって基本的な動的特性と構造変動を評価します。この段階に至るまでに、候補となる素材は 18 個に絞り込まれていました。

その後、マイクロソフトは 6 つの材料を選択し、ノースウェスト国立研究所の研究者に提供しました。研究者は最終的に、リチウム含有量が 70% 少ない、現在のリチウム イオン バッテリーよりも理想的な単一材料を選択しました。

広大な世界にはたくさんの魅力があります

AI と HPC は両方ともプロジェクトで重要な役割を果たします。研究者らは、分子シミュレーションとエネルギー/力予測用に設計された Microsoft のパイプラインを活用して AI 研究を実施しました。 HPC は、AI シミュレーション結果や量子化学計算に関連するタスクを含む、従来のシミュレーション リンクのサポートを担当します。

ご想像のとおり、新素材の発見プロセスは複雑で、膨大な量のデータ処理が必要です。プロセスを簡素化するために、大規模な言語モデルに基づく AI 補助ツールはさまざまな困難や障害を解決できると同時に、タイプ スクリーニングや段階的な計算タスクにおいて人間の専門家に代わって行うことができます。科学者は、科学研究における複雑なプロセスを劇的に加速するためのツールの構成や機能セットの設計に関する支援をすぐに得ることができます。

Microsoft Azure Quantum Elements プラットフォームを使用すると、3,200 万の新しい候補構造の作成と 800 の安定した材料の選択にわずか 1 週間かかりました。 Microsoft は、AI テクノロジーのサポートがなければ、純粋な人力だけでこのようなスクリーニング プロセスを完了するには 20 年かかると推定しています。

さらに期待できるのは、時間の経過とともにプロセス全体の実行効率がますます高くなるということです。 Azure Quantum Elements プラットフォームでは、既存の量子ハードウェア用の量子コンピューティング実験インターフェイスも予約されています。このようにして、Microsoft の量子スーパーコンピューターが最終的に導入されると、プラットフォームは量子コンピューティング能力に優先的にアクセスできるようになります。大規模な量子コンピューティングが実用的な役割を果たし始めるにつれ、この技術は非常に複雑な化学系における力の効果とエネルギーをモデル化するための画期的な精度保証を提供すると考えられています。そこから得られる、既存の古典的なコンピューターでは得られない貴重な知見は、材料科学や製薬などの分野で、これまでにない新たな成果を生み出すことが期待されています。このため、Microsoft の Quantum Elements プロジェクトの影響は、新しい電池リチウム材料の研究範囲をはるかに超えており、あらゆる分野に無限の探求の余地をもたらすことは間違いありません。

以上がMicrosoft は AI と HPC を使用して 3,200 万の新しい素材を分析の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。