L’IA générative prend racine dans les laboratoires nationaux et d’entreprise, accélérant le calcul haute performance pour les entreprises et la science.
Les chercheurs des Sandia National Laboratories visent à générer automatiquement du code dans Kokkos, un langage de programmation parallèle conçu pour être utilisé sur plusieurs des plus grands supercalculateurs du monde.
C’est un effort ambitieux. Le langage spécialisé, développé par des chercheurs de plusieurs laboratoires nationaux, gère les nuances de l’exécution de tâches sur des dizaines de milliers de processeurs.
Sandia utilise la génération augmentée par récupération (RAG) pour créer et lier une base de données Kokkos avec des modèles d’IA. Alors que les chercheurs expérimentent différentes approches RAG, les premiers tests montrent des résultats prometteurs.
Les services basés sur le cloud comme NeMo Retriever font partie des options RAG que les scientifiques évalueront.
« NVIDIA fournit un riche ensemble d’outils pour nous aider à accélérer considérablement le travail de nos développeurs de logiciels HPC », a déclaré Robert Hoekstra, directeur principal du calcul à grande échelle chez Sandia.
Construire des copilotes via le réglage du modèle et RAG n’est qu’un début. Les chercheurs visent à terme à utiliser des modèles de base formés à partir de données scientifiques provenant de domaines tels que le climat, la biologie et la science des matériaux.
Prendre de l’avance sur la tempête
Les chercheurs et les entreprises de prévisions météorologiques adoptent CorrDiff, un modèle d’IA générative qui fait partie de NVIDIA Earth-2, un ensemble de services et de logiciels pour la recherche météorologique et climatique.
CorrDiff peut réduire la résolution de 25 km des modèles atmosphériques traditionnels à 2 kilomètres et multiplier par plus de 100 le nombre de prévisions pouvant être combinées pour améliorer la confiance dans les prévisions.
“C’est une innovation prometteuse… Nous prévoyons d’exploiter de tels modèles dans nos prévisions mondiales et régionales en matière d’IA pour obtenir des informations plus riches”, a déclaré Tom Gowan, responsable de l’apprentissage automatique et de la modélisation pour Spire, une entreprise de Vienne, en Virginie, qui collecte des données auprès de ses propres données. réseau de minuscules satellites.
L’IA générative permet des prévisions plus rapides et plus précises, a-t-il déclaré dans une récente interview.
“Cela ressemble vraiment à un grand pas en avant en météorologie”, a-t-il ajouté. « Et en nous associant à NVIDIA, nous avons accès aux meilleurs GPU au monde, les plus fiables, les plus rapides et les plus efficaces, tant pour la formation que pour l’inférence. »
La société suisse Meteomatics a récemment annoncé son intention d’utiliser la plate-forme d’IA générative de NVIDIA pour ses activités de prévisions météorologiques.
« Notre travail avec NVIDIA aidera les sociétés énergétiques à maximiser leurs opérations en matière d’énergies renouvelables et à augmenter leur rentabilité grâce à des informations rapides et précises sur les fluctuations météorologiques », a déclaré Martin Fengler, fondateur et PDG de Meteomatics.
Générer des gènes pour améliorer les soins de santé
Au Laboratoire national d’Argonne, les scientifiques utilisent cette technologie pour générer des séquences génétiques qui les aident à mieux comprendre le virus à l’origine du COVID-19. Leurs modèles primés, appelés GenSLM, ont donné naissance à des simulations qui ressemblent beaucoup aux variantes réelles du SRAS-CoV-2.
“Comprendre comment différentes parties du génome co-évoluent nous donne des indices sur la façon dont le virus peut développer de nouvelles vulnérabilités ou de nouvelles formes de résistance”, a déclaré Arvind Ramanathan, chercheur principal, dans un blog.
Les GenSLM ont été formés sur plus de 110 millions de séquences génomiques avec des superordinateurs alimentés par GPU NVIDIA A100 Tensor Core, notamment le système Polaris d’Argonne, Perlmutter du ministère américain de l’Énergie et Selene de NVIDIA.
Microsoft propose de nouveaux matériaux
Microsoft Research a montré comment l’IA générative peut accélérer les travaux en science des matériaux.
Leur modèle MatterGen génère de nouveaux matériaux stables qui présentent les propriétés souhaitées. L’approche permet de spécifier les propriétés chimiques, magnétiques, électroniques, mécaniques et autres propriétés souhaitées.
« Nous pensons que MatterGen constitue une avancée importante dans l’IA pour la conception de matériaux », a écrit l’équipe de recherche Microsoft à propos du modèle qu’elle a formé sur l’infrastructure Azure AI avec les GPU NVIDIA A100.
Des entreprises telles que Carbon3D trouvent déjà des opportunités en appliquant l’IA générative à la science des matériaux dans les opérations d’impression 3D commerciale.
Ce n’est que le début de ce que les chercheurs pourront faire pour le HPC et la science grâce à l’IA générative. Les GPU NVIDIA H200 Tensor Core disponibles dès maintenant et les prochains GPU NVIDIA Blackwell Architecture porteront leur travail à de nouveaux niveaux.
Apprenez-en davantage sur des outils tels que NVIDIA Modulus, un composant clé de la plate-forme Earth-2 pour créer des modèles d’IA qui obéissent aux lois de la physique, et NVIDIA Megatron-Core, une bibliothèque NeMo pour régler et entraîner de grands modèles de langage.