NAIRR计划借NVIDIA AI算力推动科研

过去两年，美国国家科学基金会（NSF）的美国国家人工智能研究资源（NAIRR）试点计划已推动全美700多个创新研究项目——涵盖蛋白质预测和传染病暴发管理等领域。

NVIDIA通过云端资源为NAIRR试点贡献支持，为研究人员提供至少4个NVIDIA DGX节点的专用访问权限，使用时长至少一个月。NVIDIA还提供技术支持，帮助研究人员入驻并在项目全程给予协助。

借助NVIDIA的AI基础设施和DGX参考架构，研究人员缩短了工作流程时间，并发现了将重塑和推动医疗、农业、能源等行业发展的突破性技术。

通过NAIRR实现的全国性科学探索与发现潜力无限。以下是几个NAIRR项目的详细介绍。

Polymathic AI的“井”数据集与物理模拟

模拟到现实（Sim-to-real）管道正成为各行业更安全、更经济的部署方式。

Polymathic AI——一个由Flatiron研究所、剑桥大学和劳伦斯伯克利国家实验室的国际科学家组成的联盟——借助NVIDIA GPU和NVIDIA NVLink互连技术，利用其大规模数据集“井”来强化物理流体模拟。该数据集将用于训练迄今为止规模最大、应用最广泛的流体行为基础模型。

这个名为Walrus的基础模型已向公众开放，包含其数据、代码和预训练权重。

Polymathic AI的方法建立在之前物理预训练环境的工作基础上，解决了当前在规模和预训练多样性方面的局限性。该研究小组还计划探索缩放定律，以加速开发更强大的科学应用基础模型。

密歇根大学的能源存储融合模型

能源是社会的基础，需要设计新型高效的材料用于能源存储与转换。

密歇根大学的研究人员（由航空航天工程系Venkat Viswanathan教授领导）正在开发一个模型融合框架，将领域特定的分子AI与通用大语言模型相结合。目标是帮助计算科学家更轻松地探索化学空间，用自然语言提出化学相关问题，并识别下一代能源技术中有前景的材料。

分子基础模型系列MIST（Molecular Insight SMILES Transformers）旨在探索化学空间中的发现。MIST模型在大量未标记的分子数据集上进行了预训练，并使用一种新型分词器Smirk，以更好地捕捉分子表征中的核、电子、几何、同位素和立体化学信息。MIST模型在400多个结构-性质关系上进行了微调，在电化学、量子化学、生理学等领域的基准测试中，性能可媲美或超越现有最优模型。

MIST是在40-GPU的NVIDIA DGX集群上开发的（研究人员通过NAIRR分配获得），此外还在ALCF的Polaris集群上使用了20万NVIDIA GPU小时。团队使用NVIDIA的NGC PyTorch容器，以支持在不同集群上进行可复现的GPU加速开发。

将MIST与通用LLM融合，使精确的量子化学计算更易获取，并加速了能源存储与转换系统的设计，从而推动重型运输和航空等领域的广泛电气化。

波士顿大学的BEACON AI管道用于传染病检测

传染病可能在社区中迅速传播，导致疫情暴发。

波士顿大学的Hariri计算研究所和新兴传染病中心正在使用NVIDIA加速计算训练和评估一个大语言模型，通过AI管道支持名为BEACON（生物威胁出现、分析与通信网络）的疫情监测项目。

该LLM正在使用大量关于传染病和流行性优先病原体的文档进行训练，以支持BEACON项目的现场专家和疫情分析员的工作。

该模型将能够分析全球范围内新兴疾病暴发的在线帖子，提取特征进行下游分类和优先级排序。BEACON将处理来自多种来源的信号——包括全球疾病追踪平台HealthMap、新闻和社交媒体信息流、专家意见以及通过社区论坛或社交媒体进行的个人通信——以生成简洁的疫情报告。

这些全面的疫情分析可以为新兴传染病的临床实践指南提供参考，并识别需要更多数据的缺口。

国际部署的医生、政府组织和学术研究人员已经在使用BEACON模型快速识别和治疗传染病。

“当你与传染病专家谈论他们在我们开发这个管道之前的工作时，他们以前编写一份报告需要几个小时，”波士顿大学Hariri研究所所长Ioannis Paschalidis说，“现在，生成一份报告大约只需两分钟。”

NAIRP与NVIDIA在全国的布局

最新的科研远不止于此。其他多所大学——包括哈佛、斯坦福、科罗拉多州立大学等——都在NAIRR和NVIDIA的帮助下开创着科学突破。

随着科学家更广泛地获得AI和加速计算，一个更安全、更健康的国家的创新比以往任何时候都更切实可行。

---

原文链接：NVIDIA AI Blog
本文由前途科技编辑整理