Inteligencja sztuczny generatywny zyskuje coraz większą popularność, a rozwiązania takie jak ChatGPT stają się coraz bardziej popularne. Intel, jeden ze światowych liderów w dziedzinie technologii, niedawno uruchomiono własny model tzw jutrzenka Styczeń. Model ten ma zrewolucjonizować badania naukowe w różnych dziedzinach.
Tematyka tego artykułu:
Aurora genAI: nowy krok naprzód w nauce
Nowy model genAI Aurora został ogłoszony podczas ISC23, przełomowego wydarzenia w branży. Model obejmuje kilka sesji szkoleniowych do pracy z różnymi typami tekstów, danymi naukowymi i nie tylko. Oznacza to, że Aurora genAI będzie w stanie obsłużyć szeroki zakres danych i informacji, czyniąc je jednym cenne narzędzie badań naukowych. Aurora genAI powstała we współpracy zArgonne National Laboratory e HPE. Model ten będzie współpracował z nowym superkomputerem Aurora, który ma ponad dwa exaflopy wydajności. Ta niezwykła moc obliczeniowa pozwala superkomputerowi zarządzaj nawet 1 bilionem parametrów, aby generować wyniki.
Zobacz także: Sztuczna inteligencja potrafi czytać i tłumaczyć myśli: szansa czy zagrożenie?
Aurora genAI i jej wpływ na badania naukowe
stóg Rękawy, zastępca dyrektora laboratorium Argonne, skomentował ogłoszenie Aurora genAI, podkreślając znaczenie tej innowacji dla nauki. Według Stevesa projekt ma na celu wykorzystanie pełnego potencjału superkomputera Aurora do wytworzenia zasobu, który można wykorzystać w nauce downstream w laboratoriach Departamentu Energii i we współpracy z innymi.
Le Specyfikacje systemu Aurora są imponujące: Jeden superkomputer HPE Cray EX, 63.744 21.248 procesory graficzne, 1024 250 procesorów, 20 bloki pamięci masowej DAOS i wysokowydajna sieć Ethernet HPE Slingshot. Te specyfikacje wskazują, że system Aurora jest w stanie zapewnić wyjątkową wydajność, przewyższającą nawet procesory graficzne AMD MI100 i zapewnić o XNUMX% wyższą wydajność w zastosowaniach mechaniki kwantowej QMCPACK niż model HXNUMX.
Aplikacje Aurora GenAI
Model Aurora genAI może współpracować z „ogólny tekst, kod, teksty naukowe i ustrukturyzowane dane naukowe z biologii, chemii, materiałoznawstwa, fizyki, medycyny i innych źródeł“, ponieważ jest do tego szkolony w sposób generatywny. Firma Intel dostarczyła kilka przykładów zastosowań dla tego modelu, w tym m.in projektowanie cząsteczek i materiałów, synteza wiedzy z milionów źródeł w celu zaproponowania nowych i interesujących eksperymentów z zakresu biologii systemów, chemii polimerów i materiałów energetycznych, klimatologii i kosmologii. Będzie też w stanie przyspieszyć badania, identyfikując procesy biologiczne związane z rakiem i innymi chorobami, wykorzystując swój potencjał generatywny do sugerowania celów, a nawet opracowywania leków.
