Microsoft menggunakan AI ditambah HPC untuk menganalisis 32 juta bahan baharu

Microsoft bekerjasama dengan Pacific Northwest National Laboratory untuk menggunakan AI dan teknologi pengkomputeran berprestasi tinggi (HPC) untuk memodelkan 3,200 bahan calon baharu untuk mempercepatkan pembangunan bahan bateri boleh dicas semula berkecekapan tinggi. Projek kerjasama ini bertujuan untuk menyokong matlamat pembangunan masa depan Microsoft dan menggabungkan 250 tahun sejarah penyelidikan kimia manusia ke dalam model data untuk memberikan sokongan padu untuk penyelidikan saintifik masa hadapan.

Azure Quantum Elements

Untuk projek ini, penyelidik Microsoft memanfaatkan platform Azure Quantum Elements, yang direka untuk mempercepatkan penemuan saintifik. Pada masa ini, platform menggunakan kecerdasan buatan (AI) dengan pengkomputeran berprestasi tinggi tradisional (HPC), tetapi ia bertujuan untuk serasi dengan superkomputer kuantum Microsoft pada masa hadapan. Selain itu, Azure Quantum Elements juga meningkatkan gugusan HPC dan memanfaatkan AI untuk inferens berkualiti tinggi untuk memainkan peranan penting dalam penyelidikan bateri litium-ion. Selain itu, Copilot AI Microsoft juga bertanggungjawab untuk memudahkan operasi tertentu seperti pemprosesan data, penulisan kod dan simulasi berjalan.

Elemen Kuantum Azure memberi tumpuan kepada menyelesaikan cabaran teknikal yang ditimbulkan oleh keperluan berskala besar, berkelajuan tinggi dan ketepatan tinggi:

• Skala: Skala pemprosesan adalah sangat penting dan akan secara langsung menentukan skop khusus penemuan molekul atau bahan baharu . Untuk mengembangkan bahan calon daripada beribu-ribu kepada berjuta-juta, keupayaan untuk membuat skala adalah kritikal. Penyelidik mesti memodelkan sistem yang cukup besar untuk menangkap dengan tepat faktor kompleks seperti kecacatan atau kepelbagaian kimia dalam bahan.
• Kelajuan: Kelajuan merujuk kepada mempercepatkan simulasi kimia tertentu sebanyak 500,000 kali untuk mensimulasikan dan menganalisis sifat asas bahan. Proses pengkomputeran yang lebih pantas membantu penyelidik bekerja dengan lebih cekap. Matlamat Platform Elemen Kuantum adalah untuk mempercepatkan penemuan dan mengenal pasti bahan calon yang menjanjikan dengan cekap dengan memproses data simulasi dalam jumlah besar untuk pelbagai bahan dengan pantas. Kelajuan juga akan menentukan kecekapan interaksi antara AI dan HPC.
• Ketepatan: Ketepatan tidak menekankan ketepatan yang lengkap Ini kerana beberapa kesan mekanikal kuantum dalam sistem kimia hanya boleh mengambil keputusan anggaran. Komputer klasik semasa masih tidak dapat mensimulasikan senario sedemikian dengan tepat, jadi peningkatan lanjut dalam ketepatan pada masa hadapan memerlukan penyepaduan penuh pengkomputeran kuantum dengan AI dan HPC.

Cari jawapan daripada 32 juta bahan calon

Pasukan penyelidik Microsoft Azure sedang meneroka elektrolit keadaan pepejal yang ideal untuk pembuatan bateri litium. Pasukan itu menggantikan atom tertentu dalam 200,000 kristal yang diketahui melalui penggantian ion dan menggunakan 54 atom elektrolit berpotensi sebagai pilihan pengganti. Semasa proses ini, penyelidik mencipta sejumlah lebih daripada 32 juta bahan baharu, tetapi perpustakaan calon yang begitu besar adalah terlalu luas dan perlu disaring dan dikurangkan kepada saiz yang lebih terurus sebelum ia boleh diserahkan kepada Makmal Kebangsaan Barat Laut. Memandangkan model fizik HPC tradisional tidak mencukupi untuk menyelesaikan dengan cepat set masalah berskala besar itu, Microsoft memutuskan untuk menggunakan AI untuk mempercepatkan analisis kestabilan bahan. Dalam projek sedemikian, AI akan menjadi pilihan alat yang pantas dan berkuasa untuk meramalkan sifat bahan seperti kestabilan elektrokimia, jurang jalur, kereaktifan elektrokimia, tenaga dan daya. Dengan menggunakan AI untuk menggantikan pengiraan kimia kuantum dalam simulasi HPC, Microsoft berjaya meningkatkan kelajuan penyaringan kepada 15,000 kali ganda daripada kaedah tradisional.

Melalui proses ini, perpustakaan bahan telah ditapis pada mulanya, meninggalkan 500,000 calon yang stabil. 500,000 bahan calon kemudiannya disaring untuk kestabilan elektrokimia menggunakan proses penapisan AI, menghasilkan 800 calon yang menjanjikan. Walaupun algoritma AI adalah pantas dan tepat, mungkin terdapat beberapa ralat disebabkan oleh pengehadan pengiraan mekanikal kuantum. Oleh itu, untuk menganalisis lebih lanjut sifat fizikal dan kimia bahan, kita perlu menggunakan saluran paip HPC berdasarkan kesan fizikal tradisional untuk melakukan pemprosesan sekunder pada baki 800 bahan calon.

Pada peringkat ini, penyelidik menggunakan proses saringan AI untuk mencirikan pelbagai bahan baharu. Proses ini bermula dengan model ramalan untuk menilai bahan calon dengan pantas, diikuti dengan pengesahan yang lebih tepat dengan simulasi fizikal, dan akhirnya melalui kajian dinamik molekul untuk menilai sifat dinamik asas dan turun naik struktur. Apabila peringkat ini dicapai, bahan calon telah dikecilkan kepada 18.

Microsoft kemudian memilih 6 bahan dan memberikannya kepada penyelidik di Northwest National Laboratory Mereka akhirnya memilih satu bahan dengan pengurangan 70% dalam kandungan litium, menjadikannya lebih ideal daripada bateri lithium-ion semasa.

Dunia ini luas dan banyak yang perlu dilakukan

AI dan HPC kedua-duanya memainkan peranan penting dalam projek itu. Para penyelidik memanfaatkan saluran paip Microsoft yang direka untuk simulasi molekul dan ramalan tenaga/daya untuk melaksanakan penyelidikan AI. HPC bertanggungjawab untuk menyokong pautan simulasi tradisional, termasuk tugas yang berkaitan dengan keputusan simulasi AI dan pengiraan kimia kuantum.

Seperti yang anda boleh bayangkan, kerumitan proses penemuan bahan baharu dan jumlah pemprosesan data yang besar. Untuk memudahkan proses, alat bantu AI berdasarkan model bahasa yang besar boleh menyelesaikan pelbagai kesukaran dan halangan, di samping menggantikan pakar manusia dalam tugasan penapisan jenis dan pengiraan langkah demi langkah. Para saintis boleh mendapatkan bantuan dengan cepat untuk mengkonfigurasi alatan dan mereka bentuk set ciri untuk mempercepatkan proses kompleks secara mendadak dalam penyelidikan saintifik.

Dengan platform Microsoft Azure Quantum Elements, penciptaan 32 juta struktur calon baharu dan pemilihan 800 bahan stabil mengambil masa hanya seminggu. Microsoft menganggarkan bahawa tanpa sokongan teknologi AI, ia akan mengambil masa 20 tahun untuk tenaga manusia tulen untuk menyelesaikan proses penyaringan sedemikian.

Apa yang lebih patut dinantikan ialah apabila masa berlalu, kecekapan pelaksanaan keseluruhan proses akan menjadi semakin tinggi. Platform Azure Quantum Elements juga menyimpan antara muka percubaan pengkomputeran kuantum untuk perkakasan kuantum sedia ada. Dengan cara ini, apabila superkomputer kuantum Microsoft akhirnya digunakan, platform akan mempunyai akses keutamaan kepada kuasa pengkomputeran kuantum. Memandangkan pengkomputeran kuantum berskala besar mula memainkan peranan praktikal, adalah dipercayai bahawa teknologi ini akan memberikan jaminan ketepatan terobosan untuk kesan daya dan pemodelan tenaga dalam sistem kimia yang sangat kompleks. Hasil cerapan berharga yang tidak dapat dicapai oleh komputer klasik sedia ada dijangka memberikan hasil baharu yang lebih belum pernah berlaku sebelum ini dalam bidang seperti sains bahan dan farmaseutikal. Disebabkan ini, impak projek Quantum Elements Microsoft telah melampaui skop penyelidikan bahan litium bateri baharu, dan pastinya akan membawa ruang yang tidak berkesudahan untuk penerokaan kepada semua lapisan masyarakat.

Atas ialah kandungan terperinci Microsoft menggunakan AI ditambah HPC untuk menganalisis 32 juta bahan baharu. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!