Microsoft는 AI와 HPC를 사용하여 3,200만 개의 새로운 재료를 분석합니다.

Microsoft는 Pacific Northwest National Laboratory와 협력하여 AI 및 고성능 컴퓨팅(HPC) 기술을 사용하여 3,200개의 새로운 후보 물질을 모델링하여 고효율 2차 전지 소재 개발을 가속화했습니다. 이 공동 프로젝트는 Microsoft의 향후 개발 목표를 지원하고 250년의 인간 화학 연구 역사를 데이터 모델에 통합하여 미래 과학 연구를 강력하게 지원하는 것을 목표로 합니다.

Azure Quantum Elements

이 프로젝트에서 Microsoft 연구원은 과학적 발견을 가속화하도록 설계된 Azure Quantum Elements 플랫폼을 활용했습니다. 현재 플랫폼은 전통적인 고성능컴퓨팅(HPC)과 인공지능(AI)을 활용하지만, 향후에는 마이크로소프트의 양자슈퍼컴퓨터와도 호환되는 것을 목표로 하고 있다. 또한 Azure Quantum Elements는 HPC 클러스터를 확장하고 고품질 추론을 위해 AI를 활용하여 리튬 이온 배터리 연구에서 중요한 역할을 합니다. 또한 마이크로소프트의 코파일럿 AI는 데이터 처리, 코드 작성, 시뮬레이션 실행 등 특정 작업을 단순화하는 역할도 담당한다.

Azure Quantum Elements는 대규모, 고속 및 고정확도 요구 사항으로 인한 기술적 과제를 해결하는 데 중점을 둡니다.

• 규모: 처리 규모는 매우 중요하며 새로운 분자 또는 물질 발견의 특정 범위를 직접적으로 결정합니다. . 후보 물질을 수천에서 수백만으로 확장하려면 확장 능력이 중요합니다. 연구자들은 재료 내의 결함이나 화학적 이질성과 같은 복잡한 요소를 정확하게 포착할 수 있을 만큼 충분히 큰 시스템을 모델링해야 합니다.
• 속도: 속도란 특정 화학 시뮬레이션을 500,000배 가속하여 재료의 기본 특성을 시뮬레이션하고 분석하는 것을 의미합니다. 더 빠른 컴퓨팅 프로세스는 연구자가 보다 효율적으로 작업하는 데 도움이 됩니다. Quantum Elements Platform의 목표는 다양한 재료에 대한 대량의 시뮬레이션 데이터를 신속하게 처리하여 발견을 가속화하고 유망 후보 재료를 효율적으로 식별하는 것입니다. 속도는 AI와 HPC 간의 상호 작용 효율성도 결정합니다.
• 정확도: 정확도는 완전한 정확도를 강조하지 않습니다. 이는 화학 시스템의 일부 양자 역학적 효과가 대략적인 결과만 얻을 수 있기 때문입니다. 현재의 기존 컴퓨터는 여전히 이러한 시나리오를 정확하게 시뮬레이션할 수 없으므로 앞으로 정확도를 더욱 향상하려면 AI 및 HPC와 양자 컴퓨팅의 완전한 통합이 필요합니다.

3,200만 개의 후보 재료에서 답을 찾아보세요

Microsoft Azure 연구팀은 리튬 배터리 제조에 이상적인 고체 전해질을 탐색하고 있습니다. 연구팀은 이온 치환을 통해 200,000개의 알려진 결정의 특정 원자를 대체했으며 대체 옵션으로 54개의 잠재적 전해질 원자를 사용했습니다. 이 과정에서 연구자들은 총 3,200만 개 이상의 새로운 재료를 생성했지만 이렇게 거대한 후보 라이브러리는 너무 광범위하므로 노스웨스트 국립 연구소(Northwest National Laboratory)에 넘겨주기 전에 추가 검사를 거쳐 관리 가능한 크기로 줄여야 합니다. 전통적인 HPC 물리 모델로는 이러한 대규모 문제 세트를 신속하게 해결하는 데 충분하지 않다는 점을 고려하여 Microsoft는 AI를 사용하여 재료의 안정성 분석을 가속화하기로 결정했습니다. 이러한 프로젝트에서 AI는 전기화학적 안정성, 밴드 갭, 전기화학적 반응성, 에너지 및 힘과 같은 재료 특성을 예측하기 위한 빠르고 강력한 도구 옵션이 될 것입니다. Microsoft는 AI를 사용하여 HPC 시뮬레이션에서 양자 화학 계산을 대체함으로써 스크리닝 속도를 기존 방법보다 15,000배까지 높이는 데 성공했습니다.

이 과정을 통해 소재 라이브러리가 1차 심사를 거쳐 50만명의 안정적인 후보가 남았습니다. 그런 다음 500,000개의 후보 물질을 AI 스크리닝 프로세스를 사용하여 전기화학적 안정성에 대해 추가로 스크리닝하여 800개의 유망한 후보 물질을 얻었습니다. AI 알고리즘은 빠르고 정확하지만 양자역학적 계산의 한계로 인해 일부 오류가 발생할 수 있습니다. 따라서 재료의 물리적, 화학적 특성을 추가로 분석하려면 전통적인 물리적 효과를 기반으로 하는 HPC 파이프라인을 사용하여 나머지 800개의 후보 재료에 대한 2차 처리를 수행해야 합니다.

이 단계에서 연구원들은 AI 스크리닝 프로세스를 사용하여 다양한 신소재를 특성화했습니다. 이 프로세스는 예측 모델을 사용하여 후보 재료를 신속하게 평가하는 것으로 시작하여 물리적 시뮬레이션을 통해 보다 정확한 검증을 거친 후 마지막으로 분자 역학 연구를 통해 기본 동적 특성과 구조적 변동을 평가합니다. 이 단계에 도달했을 때 후보 자료는 18개로 압축되었습니다.

Microsoft는 6개의 재료를 선택하여 Northwest National Laboratory의 연구원들에게 제공했습니다. 그들은 마침내 리튬 함량이 70% 감소하여 현재 리튬 이온 배터리보다 더 이상적인 단일 재료를 선택했습니다.

세상은 넓고 할 일은 많습니다

AI와 HPC 모두 이 프로젝트에서 중요한 역할을 합니다. 연구원들은 분자 시뮬레이션과 에너지/힘 예측을 위해 설계된 Microsoft의 파이프라인을 활용하여 AI 연구를 구현했습니다. HPC는 AI 시뮬레이션 결과 및 양자 화학 계산과 관련된 작업을 포함하여 기존 시뮬레이션 링크를 지원하는 역할을 담당합니다.

상상할 수 있듯이 신소재 발견 프로세스의 복잡성과 엄청난 양의 데이터 처리. 프로세스를 단순화하기 위해 대규모 언어 모델을 기반으로 한 AI 보조 도구는 다양한 어려움과 장애물을 해결하는 동시에 유형 심사 및 단계별 계산 작업에서 인간 전문가를 대체할 수 있습니다. 과학자들은 과학 연구의 복잡한 프로세스를 획기적으로 가속화하기 위한 도구 구성 및 기능 세트 설계에 대한 도움을 빠르게 받을 수 있습니다.

Microsoft Azure Quantum Elements 플랫폼을 사용하면 3,200만 개의 새로운 후보 구조를 생성하고 800개의 안정적인 재료를 선택하는 데 단 1주일이 걸렸습니다. 마이크로소프트는 AI 기술의 지원이 없다면 순수 인력만으로 이런 심사 과정을 마치는 데 20년이 걸릴 것으로 추산하고 있다.

더 기대되는 점은 시간이 지날수록 전체 프로세스의 실행 효율성이 점점 높아진다는 점입니다. Azure Quantum Elements 플랫폼은 기존 양자 하드웨어에 대한 양자 컴퓨팅 실험 인터페이스도 예약합니다. 이러한 방식으로 Microsoft의 양자 슈퍼컴퓨터가 최종적으로 배포되면 플랫폼은 양자 컴퓨팅 성능에 우선적으로 액세스하게 됩니다. 대규모 양자 컴퓨팅이 실용적인 역할을 하기 시작하면서 이 기술은 매우 복잡한 화학 시스템에서 힘 효과 및 에너지 모델링에 대한 획기적인 정확성 보장을 제공할 것으로 믿어집니다. 기존의 고전 컴퓨터로는 얻을 수 없는 귀중한 통찰력이 재료과학, 제약 등 분야에서 더욱 전례 없는 새로운 결과를 가져올 것으로 기대됩니다. 이로 인해 Microsoft의 Quantum Elements 프로젝트의 영향은 새로운 배터리 리튬 소재의 연구 범위를 훨씬 뛰어넘어 모든 계층에 무한한 탐구 공간을 제공할 것입니다.

위 내용은 Microsoft는 AI와 HPC를 사용하여 3,200만 개의 새로운 재료를 분석합니다.의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!