|
來(lái)源：英特爾 近日，英特爾宣布與蒙特利爾學(xué)習算法研究所（Montreal Institute of Learning Algorithms，Mila）展開(kāi)為期三年的戰略研究與創(chuàng )新合作，來(lái)自雙方的20余名研究人員將專(zhuān)注于開(kāi)發(fā)先進(jìn)的AI技術(shù)，用于應對氣候變化、材料研發(fā)和數字生物學(xué)等領(lǐng)域的全球性挑戰。 面對當前全球范圍內的挑戰，我們必須在學(xué)術(shù)界與產(chǎn)業(yè)界之間推動(dòng)開(kāi)放科學(xué)的文化，從而加速AI應用以造福社會(huì )。此次，我們十分高興能與英特爾展開(kāi)合作，更加高效地探索用于改善碳捕獲、加速藥物研發(fā)以及助力未來(lái)可持續發(fā)展的新型材料。 ——Yoshua Bengio Mila創(chuàng )始人兼科學(xué)主任 加速先進(jìn)AI技術(shù)的研發(fā)以解決當今世界所面臨的一系列極為關(guān)鍵且具有挑戰性的問(wèn)題，需要值得信賴(lài)的AI戰略，以及擴展計算技術(shù)的能力。作為算力和AI領(lǐng)域的領(lǐng)軍企業(yè)，英特爾和Mila均秉持以積極、強大的力量推動(dòng)世界變革的理念，基于此，雙方將進(jìn)一步升級其于2021年啟動(dòng)的項目，增加合作方向并加強合作力度，從而推動(dòng)成果落地。 要解決氣候變化和新材料研發(fā)等復雜問(wèn)題，需要深度的AI研究、具體領(lǐng)域的專(zhuān)業(yè)知識，以及先進(jìn)的計算技術(shù)。此次與Mila的合作，將為研究人員提供關(guān)鍵洞察并有效推動(dòng)技術(shù)創(chuàng )新。未來(lái)，我們也將與Mila攜手，共同面對挑戰，以科技之力為下一代創(chuàng )造一個(gè)美好的未來(lái)。 ——Kavitha Prasad 英特爾公司副總裁兼數據中心、人工智能和云計算執行與戰略總經(jīng)理 此次深化合作將重點(diǎn)關(guān)注： 自動(dòng)化AI驅動(dòng)的新材料研發(fā) 諸如密度泛函理論等化學(xué)模擬技術(shù)的進(jìn)步，為模擬復雜材料系統的重要特性提供了途徑。然而，這些技術(shù)受限于它們所能建模的材料系統的復雜性，這是因為當原子數量增加時(shí)，計算成本會(huì )大幅提升。以圖神經(jīng)網(wǎng)絡(luò )（GNN）為代表的AI技術(shù)，有助于在近似化學(xué)模擬時(shí)顯著(zhù)降低計算成本，尤其是在系統規模增加的情況下。這意味著(zhù)未來(lái)有可能利用AI模擬技術(shù)來(lái)復制更復雜的材料系統，無(wú)疑也將帶來(lái)巨大的應用前景。值得注意的是，如果能發(fā)現新材料，亦將有助于降低成本和碳排放量。 英特爾將與Mila攜手進(jìn)行科技創(chuàng )新，以提高原子模擬（如Open Catalyst數據集）的圖神經(jīng)網(wǎng)絡(luò )性能。通過(guò)增強相關(guān)的技術(shù)管道，研究人員有望能夠大規模使用原子材料數據。研究團隊將創(chuàng )建基于學(xué)習的框架，以便在需要海量搜索的材料設計應用場(chǎng)景中能夠進(jìn)行有效查詢(xún)。這些框架可以借鑒強化學(xué)習、搜索算法、生成模型以及其他機器學(xué)習算法（包括Mila開(kāi)創(chuàng )的生成流網(wǎng)絡(luò )）的理念。 將因果機器學(xué)習應用于氣候科學(xué) 雖然基于物理學(xué)的標準氣候模型可以幫助預測氣候變化所帶來(lái)的影響，但它們極其復雜且計算成本高昂。即使是在專(zhuān)用的超級計算機上，通常也需要運行幾個(gè)月的時(shí)間，這降低了模擬的運行頻率，也無(wú)法很好地提供精細、本地化的預測。此外，這些模型通常無(wú)法解釋預測背后的推理或因果關(guān)系�；诖�，英特爾與Mila希望填補這一空白，通過(guò)構建一種基于因果機器學(xué)習的新型氣候模型模擬器,確定傳統氣候模型的高維輸入數據中有哪些變量可以預測，旨在通過(guò)全面而可靠地預測氣候變化的影響，在推動(dòng)氣候科學(xué)發(fā)展的同時(shí)為決策提供可靠的判斷依據。 加速研究疾病的分子驅動(dòng)因素和新藥研發(fā) 新藥研發(fā)是一個(gè)漫長(cháng)的過(guò)程，每一種獲批藥物的平均成本是26億美元。成本之所以如此高昂，是因為尋找能與特定靶標契合的小分子是一個(gè)危險且高度不確定的過(guò)程，并可能耗費超過(guò)十年的時(shí)間。而且，即便找到了一個(gè)分子，也有可能在后期失效。 英特爾和Mila的研究人員將攜手合作，以更便捷地發(fā)現更好的候選藥物分子。例如，預測復雜的表型——包括基于單核苷酸多態(tài)性 (SNP) 基因類(lèi)型的疾病——一直是數字生物學(xué)長(cháng)期以來(lái)面臨的一個(gè)挑戰，因為大多數表型受到整個(gè)基因組中諸多SNP的影響。因此，使用大規模人群數據，針對這類(lèi)表型的所有相關(guān)SNP進(jìn)行聯(lián)合因果分析，是現階段面臨的主要計算挑戰。精確解的搜索空間大小與SNP的數量成指數關(guān)系。在檢測的SNP達到數百萬(wàn)個(gè)時(shí)，精確解在計算上難以處理。然而，隨著(zhù)高分辨率數據的可用性提升、突破性AI技術(shù)的出現以及摩爾定律推動(dòng)的計算密度增長(cháng)，英特爾和Mila計劃開(kāi)發(fā)AI技術(shù)，用于： ● 了解疾病背后的分子驅動(dòng)因素，預測復雜的表型，包括基于SNP基因類(lèi)型的疾病。 ● 發(fā)現最有前景的藥物分子。英特爾和Mila應用的全新AI技術(shù)有望顯著(zhù)降低成本并更快地將革命性藥物推向市場(chǎng)。 英特爾公司，英特爾、英特爾logo及其它英特爾標識，是英特爾公司或其分支機構的商標。文中涉及的其它名稱(chēng)及品牌屬于各自所有者資產(chǎn)。 |
