فهرست مطالب
پژوهشگران آزمایشگاه ملی آرگون با توسعه ChemGraph، چارچوبی مبتنی بر عامل‌های هوش مصنوعی و ابررایانه Aurora ساخته‌اند که شبیه‌سازی‌های پیچیده شیمی و علوم مواد را خودکارتر، سریع‌تر و در دسترس‌تر می‌کند.
به‌گزارش سرویس هوش مصنوعی تکناک، شیمی محاسباتی اغلب به دانش تخصصی، مجموعه‌ای از ابزارهای نرم‌افزاری مختلف و گردش‌کارهای پیچیده و زمان‌بر نیاز دارد. اکنون پژوهشگران آزمایشگاه ملی آرگون در وزارت انرژی آمریکا، یک چارچوب متن‌باز با نام ChemGraph توسعه داده‌اند که با بهره‌گیری از عامل‌های هوش مصنوعی، بخش قابل‌توجهی از این فرایندها را خودکار کرده و اجرای شبیه‌سازی‌های پیشرفته را برای دانشمندان و دانشجویان ساده‌تر می‌کند.
این چارچوب با هدف کمک به پژوهشگران علوم مواد و شیمی طراحی شده است تا بتوانند مسائل پیچیده علمی را بدون درگیر شدن با تمام مراحل فنی و تنظیمات دستی حل کنند. از جمله کاربردهای بالقوه ChemGraph می‌توان به طراحی نسل جدید باتری‌ها، بهینه‌سازی سامانه‌های احتراق و تسریع فرایند کشف مواد حیاتی اشاره کرد.
ChemGraph با ترکیب مدل‌های زبانی بزرگ و سامانه‌های خودکار مبتنی بر عامل‌های هوش مصنوعی، رویکرد جدیدی برای شبیه‌سازی‌های علمی ارائه می‌دهد. در این سیستم، پژوهشگران تنها کافی است مسئله علمی خود را با زبان طبیعی توصیف کنند؛ سپس هوش مصنوعی این درخواست را به زنجیره‌ای از وظایف محاسباتی، ابزارهای نرم‌افزاری موردنیاز و مراحل تحلیل تبدیل می‌کند تا خروجی نهایی تولید شود.
توسعه این پروژه با استفاده از توان محاسباتی ابررایانه اگزاسکیل Aurora در مرکز محاسبات رهبری آرگون (ALCF) و سرویس استنتاج ALCF انجام شده است. این سرویس امکان دسترسی شبیه به خدمات ابری به مدل‌های زبانی بزرگ را که روی زیرساخت‌های محاسباتی پرقدرت اجرا می‌شوند، برای محققان فراهم می‌کند.
کاهش موانع با ChemGraph
اجرای شبیه‌سازی‌های شیمی محاسباتی معمولا فرایندی پیچیده است که شامل انتخاب روش‌های علمی مناسب، شناسایی نرم‌افزارهای سازگار، آماده‌سازی فایل‌های ورودی، اجرای محاسبات، تحلیل خروجی‌ها و تنظیم مداوم پارامترها در چرخه‌های تکرارشونده می‌شود. ChemGraph با تقسیم این مراحل میان عامل‌های هوش مصنوعی تخصصی، بخش بزرگی از این گردش‌کار را خودکار می‌کند.
این عامل‌ها وظایفی مانند طراحی گردش‌کار، اجرای محاسبات و مدیریت داده‌ها را بر عهده دارند. برخلاف رویکردهایی که مدل زبانی را برای تولید پاسخ به کار می‌گیرند، این چارچوب ابتدا نرم‌افزارها و کتابخانه‌های علمی مناسب را فراخوانی می‌کند و سپس بر اساس نتایج واقعی شبیه‌سازی، پاسخ ارائه می‌دهد.
بیشتر بخوانید: ابرکامپیوتر سان‌وی با هوش مصنوعی و ۳۷ میلیون هسته پیچیدگی‌های شیمی کوانتومی را شبیه‌سازی کرد
تانگ دوک فام، پژوهشگر پسادکتری آزمایشگاه ملی آرگون و یکی از توسعه‌دهندگان ChemGraph، گفت: «هدف ما این نیست که مدل زبانی بزرگ فقط به پرسش‌ها پاسخ دهد. می‌خواهیم این مدل شبیه‌سازی‌های مبتنی بر قوانین فیزیک را اجرا کند و پاسخ را از طریق محاسبات واقعی به دست آورد، نه اینکه به اطلاعاتی که در اختیار دارد متکی باشد.»
پژوهشگران همچنین برای افزایش بهره‌وری، وظایف را میان مدل‌های زبانی مختلف توزیع کرده‌اند. مدل‌های بزرگ‌تر برای طراحی و برنامه‌ریزی گردش‌کارهای پیچیده استفاده می‌شوند، در حالی که مدل‌های کوچک‌تر وظایف اجرایی را انجام می‌دهند؛ روشی که ضمن کاهش هزینه‌های پردازشی، مصرف منابع محاسباتی را بهینه می‌کند.
مورات کچلی، دانشمند محاسباتی آزمایشگاه آرگون، توضیح داد: «استفاده از یک مدل زبانی واحد برای تمام مراحل می‌تواند باعث اتلاف هزینه و زمان محاسباتی شود. ما نشان دادیم که می‌توان از مدل‌های بزرگ برای برنامه‌ریزی اولیه استفاده کرد و سپس اجرای مراحل عملیاتی را به مدل‌های کوچک‌تر سپرد.»
طراحی برای شبیه‌سازی‌های سنگین
ابررایانه Aurora نقش اصلی را در اجرای شبیه‌سازی‌های سنگین شیمی کوانتومی مورد استفاده در ChemGraph ایفا کرد. اجرای این مدل‌ها به‌صورت محلی، در مقایسه با وابستگی به سرویس‌های ابری خارجی، علاوه بر کاهش هزینه‌های عملیاتی، مزایای مهمی در زمینه امنیت و کنترل داده‌ها دارد.
به دلیل متن‌باز بودن ChemGraph، پژوهشگران توسعه قابلیت‌های آن را به حوزه‌هایی فراتر از شیمی محاسباتی آغاز کرده‌اند. همکاری‌های اخیر، این چارچوب را برای شبیه‌سازی طیف‌سنجی ساختار نزدیک لبه جذب پرتو ایکس و گردش‌کارهای غربالگری خودکار مواد با توان عملیاتی بالا روی Aurora بهینه کرده‌اند.
خبر پیشنهادی: مایکروسافت با مدل Aurora 1.5 دقت پیش‌بینی طوفان‌های گرمسیری را افزایش می دهد
تیم توسعه‌دهنده همچنین ظرفیت آموزشی ChemGraph را برجسته می‌داند؛ چراکه این ابزار می‌تواند به استادان کمک کند مفاهیم پیشرفته شیمی محاسباتی را آموزش دهند و به دانشجویان اجازه دهد با سهولت بیشتری پرسش‌های پژوهشی جدید را بررسی کنند.
کچلی گفت: «رویای ما این است که ChemGraph را از طریق یک رابط کاربری مشابه چت‌بات، به‌عنوان سرویسی در اختیار کاربران مرکز محاسبات رهبری آرگون قرار دهیم. در آینده امیدواریم این سیستم را به سطح بالاتری از خودکارسازی برسانیم تا دانشمندان بتوانند تمرکز خود را روی پرسش‌های علمی اصلی که قصد پاسخ دادن به آنها را دارند، قرار دهند.»
نتایج این پژوهش در نشریه علمی Communications Chemistry منتشر شده است.
