Creación de modelos de IA básicos para acelerar el descubrimiento de nuevos materiales de batería
Apoyar el trabajo de CleanTechnica a través de Membresía de sustancia o En–
Al acceder a la potencia de Aurora y una potente polaris de ALCF, los investigadores están desarrollando modelos de IA que pueden predecir nuevos materiales que probablemente sean electrolitos, baterías y electrodos.
Durante décadas, la búsqueda de mejores materiales de batería es los procesos más experimentales y de error.
–En cuanto a la historia del descubrimiento de baterías, es una intuición que lleva a la nueva invención “, Venkat Viswanathan, profesor de la Universidad de Michigan.–La mayoría de los materiales que usamos hoy se descubren en una ventana corta entre 1975 y 1985. Bajamos principalmente en el mismo conjunto de materiales, con un ligero ajuste para mejorar la eficiencia de la batería. “
–Es como todos los estudiantes de posgrado hablan con los principales científicos de electrolitos todos los días. Tienes esa habilidad a tu alcance y desbloquea todas las encuestas nuevas. ” – Venkat Viswanathan Profesor Asociado Universidad de Michigan
Hoy, progreso en Inteligencia artificial –AI) Y el poder de la computadora para admitirlos está cambiando el juego con acceso Súper computadora En el Ministerio de Energía de los Estados Unidos (ciervo) El Laboratorio Nacional Argonne, Viswanathan y sus trabajadores se están desarrollando. AI Modelos básicos para aumentar la velocidad de encontrar un nuevo material de batería para aplicaciones desde dispositivos electrónicos personales hasta equipos médicos.
Los modelos básicos son grandes. AI Sistemas que han sido capacitados sobre grandes conjuntos de datos para aprender sobre dominios específicos. A diferencia de los modelos de idiomas generales (LLM) como el chatGPT, los modelos científicos se han personalizado para ramas específicas, como el descubrimiento de drogas o ciencias, lo que permite a los investigadores crear predicciones más precisas y confiables.
–La belleza de nuestro modelo básico es que ha creado una comprensión generalizada del universo de la molécula, lo que lo hace más efectivo cuando se trata de trabajos específicos, como predicciones “, dijo Viswanathan.–Podemos predecir cosas como la conductividad eléctrica, lo que le dirá qué tan rápido puede cargar la batería. Además, también podemos predecir el punto de fusión, el punto de ebullición, la luz, el fuego y todas las demás características que son útiles para el diseño de la batería. “
AI Ayudar a los investigadores a explorar grandes productos químicos
El modelo del equipo se centra en especificar materiales para dos partes. Batería importante: electrolitos, que tienen cargas eléctricas y cargas electrónicas, que se recopilan y liberan. Ambos progresos son necesarios para ser más potentes, sostenibles y seguros que la próxima generación. batería–
El desafío es el tamaño del área química para baterías potenciales. Los científicos estiman que puede haber 1060 Posibles formatos básicos de moléculas que han sido entrenados sobre datos de miles de millones de moléculas que son conocidas por miles de millones de personas pueden ayudar a los investigadores a explorar esta área de manera más eficiente. El modelo de aprendizaje que puede predecir las calificaciones de nuevas moléculas que no se han probado. El modelo puede ser un centro para solicitantes con alto potencial.
En el año 2024, los equipos de Viswanathan, incluidos Ph.D., Anousshka Butani y los estudiantes de Alexius Waddle, usan la supercomputadora Polaris en Argonne Leadership Computing Facility (ALCF) Entrenar una de las bases químicas más grandes hasta la fecha, este modelo se centra en moléculas pequeñas que son importantes para diseñar electrolitos. ALCF es ciervo Se proporciona la Oficina de Usuarios de Ciencias para investigadores de todo el mundo.
Para enseñar cómo entender la estructura molecular del equipo sonrisaEl sistema ampliamente utilizado que muestra el texto de las moléculas. También desarrollan una nueva herramienta llamada Mancillar Para mejorar los métodos que estos modelos de procesamiento de estructura pueden aprender de miles de moléculas que son más precisas y consistentes.
De este éxito, los investigadores están utilizando archivos. ALCFnuevo Aurora Sistema Exascale para desarrollar el segundo modelo básico para cristales moleculares, que actúan como la creación del electrodo de la batería.
Al entrenar, los modelos básicos se inspeccionarán comparando las expectativas y los datos experimentales para garantizar la precisión. Este paso es importante para generar confianza en la capacidad del modelo para predecir una variedad de propiedades químicas y físicas.
Antes de desarrollar el modelo básico de Viswanathan, ha desarrollado un tamaño separado. AI Modelo para cada propiedad interesante formatos básicos que han sido entrenados sobre Polaris, no solo incluyendo estas habilidades bajo el mismo techo
El equipo está encuestando la capacidad del modelo y tiene la intención de hacer que la comunidad de investigación sea más amplia en el futuro. El equipo también planea cooperar con científicos en el laboratorio de la Universidad de Michigan para sintetizar y probar a los solicitantes más probables especificados por AI Modelo
Ajuste el tamaño con una súper computadora Argonne
El entrenamiento básico para los datos de un millón de moléculas requiere el poder de cálculo más allá de la capacidad de la mayoría de los laboratorios de investigación.
Antes de acceder ALCF Super computadora a través de ciervoEs una innovación y un impacto de cálculo exótico en la teoría y los experimentos (incitar) El programa se encuentra con el problema de ajuste del tamaño de Bharath Ramsundar como parte de incitar El equipo del proyecto creó AI Modelo que ha sido entrenado alrededor de docenas de moléculas, pero descubrió que no podían igualar la eficiencia de la existencia AI Modelo
–Existen limitaciones agudas en el número de moléculas que podemos ver cuando se entrenan. AI Sistema “Ramsundar, fundador y CEO De profundas ciencias del bosque. La compañía comenzó a especializarse en descubrimientos científicos.–Comenzamos con un modelo que ha sido entrenado solo de un millón a 10 moléculas. Finalmente, tenemos hasta 100 millones, pero no lo suficiente. “
La compañía ha explorado el uso de servicios públicos en la nube para otros proyectos de investigación.
–El servicio en la nube es muy costoso “, dijo Ramsundar.–Descubrimos que cierta capacitación a nivel de grandes modelos básicos puede costar cientos de miles de dólares en nubes públicas, acceso. ciervo El uso de una computadora súper computadora permite que este tipo de investigación sea muy accedido para investigadores en instituciones industriales y educativas. No todos los que podemos acceder a la gran computadora de Google. “
Instalar miles de unidades de procesamiento de gráficos (GPU) y la capacidad de la memoria grande ALCFLa súper computadora fue creada para tratar las complejas necesidades de investigación impulsadas por la IA.
–Hay una diferencia entre millones de moléculas de moléculas en comparación con miles de millones. Es imposible que los grupos pequeños estén a menudo disponibles para el grupo de investigación universitaria “, dijo Viswanathan.–No tiene la cantidad de GPU o memoria que sea necesaria para ajustar el tamaño del modelo de este tamaño. Por eso necesita recursos como ALCFCon una súper computadora y un software diseñado para admitir un gran tamaño AI Carga de trabajo “
Pero no es solo un recurso informático el que impulsa este trabajo, los componentes humanos también son importantes. En los últimos dos años, el equipo de Viswanathan participó. ALCFAnual incitar Seco Trabajar con los expertos en computadoras de Argonne para ajustar el tamaño y aumentar la eficiencia laboral para trabajar de manera efectiva en la super computadora del laboratorio.
El proyecto también se beneficia de la cooperación con los científicos que trabajan para el empleo. AI En otros campos de investigación, por ejemplo, Arvind Ramanathan, un científico de cálculo de Argonne, es líder en el uso de LLM para diseñar funciones y diseño de Ramanathan. Los participantes de Viswanathan. incitar El equipo ayuda a usar el conocimiento obtenido del desarrollo. AI Modelo de uso biológico en la investigación de la batería
–Todos aprenden de los demás “, dijo Viswanathan.–Aunque nos centramos en diferentes problemas, la innovación es similar, hay estas ciencias, como funciones y productos químicos que tienen un texto natural que muestra, lo que lo hace adecuado para los modelos de idiomas. “
Cambiar el futuro de la investigación de baterías.
Para que el modelo base tenga más interacción y acceso al equipo, combinado con el chat alquilado que es impulsado por LLM, como ChatGPT, que es una nueva forma de abrir la puerta a la posibilidad de participación del usuario, postdocs y personas colaborativas pueden hacer preguntas y explorar nuevas fórmulas químicas sin tener que escribir un código o implementación complicado.
–Fue como si todos los estudiantes de posgrado hablaran con los principales científicos de electrolitos todos los días “, dijo Viswanathan.–Tienes esa habilidad a tu alcance y desbloquea todas las encuestas nuevas. “
Esta capacidad también cambia la forma en que los investigadores piensan sobre el proceso de descubrimiento.
–Es un cambio que estamos pensando en estas cosas “, dijo Viswanathan.–Estos modelos pueden pensar creativamente y crear nuevas moléculas que puedan hacer expertos en científicos.–Oh, interesante. ‘Es un momento especial para investigar materiales impulsados por AI. “
Instalaciones informáticas del liderazgo de Argonne Proporcionar la capacidad de calcular una súper computadora a la comunidad de la comunidad, la ciencia y la ingeniería para el desarrollo básico, los descubrimientos y la comprensión básica en diversas materias. Apoyado por el Ministerio de Energía de los Estados Unidos (ciervoOficina de Ciencias de la Ciencia, Cálculo de ciencias avanzadas (Ascre) Programa ALCF Es uno de los dos ciervo Instalaciones para calcular el liderazgo en el país dedicado a abrir ciencias.
Argón del Laboratorio Nacional Busque la solución al problema de los problemas nacionales en ciencia y tecnología realizando investigaciones básicas y aplicada a toda la disciplina científica. Argonne es administrado por UCHICAGO Argonne LLC para Oficina de Ciencias del Departamento de Energía de los Estados Unidos
Oficina de Ciencias del Departamento de Energía de los Estados Unidos Es el mayor partidario de investigación básica en los Estados Unidos en los Estados Unidos y está trabajando para enfrentar los desafíos más urgentes de nuestra época. Para más información, visite https: // ener gy .gov/sc ience–
Artículo de Argón del Laboratorio Nacional–
registro Substack semanal de CleanTechnica para el análisis en profundidad de Zach y Scott y el alto nivelRegistrarse para Nuestro boletín diarioy Síguenos en Google News.–
https://www.youtube.com/watch?v=SWMHRZ6LSM
https://www.youtube.com/watch?v=ppheyw9544
¿Hay consejos para CleanTechnica o no? ¿Quieres anunciar? ¿Le gustaría recomendar invitados para nuestra charla CleanTech? Contáctenos aquí
Regístrese para recibir nuestros boletines diarios para 15 nuevas historias CleanTech por día– o regístrese para Nuestro semanal en la parte superior de la semana Si cada día es con demasiada frecuencia
CleanTechnica usa enlaces de socios Consulte nuestra política aquí.
Política de comentarios de CleanTechnica
