Intel ha anunciado una colaboración estratégica de investigación y co-innovación de tres años con Mila, un instituto de investigación de inteligencia artificial con sede en Montreal. Como parte de este compromiso renovado, más de 20 investigadores de Intel y Mila se centrarán en el desarrollo de técnicas avanzadas de IA para abordar desafíos globales como el cambio climático, el descubrimiento de nuevos materiales y la biología digital.
(Foto: Corporación Intel)
LEA TAMBIÉN: Intel contrata a ex gerentes de EA y AMD antes del lanzamiento de su GPU Arc mientras la empresa ingresa al hardware de juegos para PC
Por qué es importante:
Acelerar la investigación y el desarrollo de IA avanzada para resolver algunos de los problemas más críticos y desafiantes del mundo requiere un enfoque responsable de la IA y la capacidad de escalar la tecnología informática. Como líderes en informática e inteligencia artificial, y con el propósito de ser un agente de cambio poderoso y positivo en nuestro mundo, Intel y Mila podrán redoblar sus esfuerzos. proyectos comenzó en 2021, agregará una tercera vía y aumentará significativamente el apoyo para generar resultados tangibles.
“Resolver problemas complejos como el cambio climático y el descubrimiento de nuevos materiales requiere una investigación profunda de la IA junto con experiencia en el campo y un compromiso con el avance de las tecnologías informáticas de última generación”, afirmó Kavitha Prasad, vicepresidente y director general de Centro de Datos, IA y Nube. Ejecución y Estrategia en Intel. “El anuncio de hoy desempeñará un papel fundamental a la hora de sacar a la luz conocimientos clave para los investigadores e impulsar las innovaciones tecnológicas. Esperamos asociarnos con Mila para abordar los desafíos que enfrentamos hoy y crear un mundo mejor para las generaciones futuras con tecnología”.
Acerca de la colaboración:
Esta colaboración ampliada se centrará en:
- Automatización del descubrimiento de materiales novedosos impulsado por la IA: Avances en técnicas de simulación química, como teoría funcional de la densidad, han creado métodos capaces de simular propiedades importantes de sistemas materiales complejos. Estas técnicas, sin embargo, se han visto limitadas en la complejidad de los sistemas de materiales que pueden modelar dada la escala desfavorable del costo computacional a medida que aumenta el número de átomos. Las técnicas de inteligencia artificial, especialmente las redes neuronales gráficas (GNN), ayudan a aproximar las simulaciones químicas con un costo computacional significativamente menor, particularmente a medida que aumenta el tamaño del sistema. Esto es tremendamente prometedor en el uso de técnicas simuladas habilitadas por IA para replicar sistemas de materiales de mayor complejidad. El posible descubrimiento de nuevos materiales podría contribuir a reducir los costes y la huella de carbono. Intel y Mila colaborarán en el desarrollo de innovaciones científicas y tecnológicas para mejorar el rendimiento de los GNN en simulaciones atomísticas, como el Conjunto de datos de Open Catalyst. Estos esfuerzos pueden potencialmente democratizar la capacidad de los investigadores para interactuar con datos de materiales atomísticos al mejorar la tecnología relacionada. Los equipos de investigación trabajarán en la creación de marcos basados en el aprendizaje para buscar de forma eficaz dentro de los vastos espacios de búsqueda que se encuentran en las aplicaciones de diseño de materiales. Estos marcos pueden aprovechar ideas del aprendizaje por refuerzo, algoritmos de búsqueda, modelos generativos y otros algoritmos de aprendizaje automático, incluidos redes de flujo generativo iniciado por Mila.
- Aplicación del aprendizaje automático causal para la ciencia climática: Si bien los modelos climáticos estándar basados en la física pueden ayudar a predecir los efectos del cambio climático, son complejos y costosos desde el punto de vista computacional. A menudo tardan meses en ejecutarse, incluso en hardware de supercomputación especializado, lo que reduce la frecuencia de las ejecuciones de simulación y la capacidad de proporcionar predicciones granulares y localizadas. Además, estos modelos normalmente no pueden explicar el razonamiento o las relaciones causales que subyacen a sus predicciones. Intel y Mila pretenden llenar este vacío mediante la construcción de un nuevo tipo de emulador de modelo climático basado en el aprendizaje automático causal para identificar qué variables son predictivas entre las entradas de alta dimensión de los modelos climáticos tradicionales. El proyecto busca permitir avances significativos en la ciencia del clima e informar directamente las políticas al permitir predicciones exhaustivas y confiables de los efectos del cambio climático.
- Acelerar el estudio de los impulsores moleculares de las enfermedades y el descubrimiento de fármacos: El descubrimiento de fármacos es un proceso largo que, en promedio, cuesta 2.600 millones de dólares por medicamento aprobado. El costo es alto porque encontrar una molécula pequeña que se una a un objetivo particular es un proceso peligroso y muy incierto que puede llevar más de una década. Además, incluso cuando se encuentra una molécula, existe la posibilidad de que falle en etapas posteriores. Los investigadores de Intel y Mila trabajarán juntos para identificar mejores moléculas candidatas a fármacos de forma más rápida y sencilla. Por ejemplo, predecir fenotipos complejos, incluidas enfermedades basadas en el genotipo de polimorfismos de un solo nucleótido (SNP), ha sido un desafío de larga data en la biología digital porque la mayoría de los fenotipos se ven afectados por muchos SNP en todo el genoma. El principal desafío computacional es aprender conjuntamente los efectos causales de todos los SNP del genoma sobre los fenotipos, utilizando datos poblacionales a gran escala. La solución exacta tiene un espacio de búsqueda de tamaño exponencial al número de SNP. Con millones de SNP detectados, la solución exacta es computacionalmente intratable. Sin embargo, con la disponibilidad de datos de alta resolución, la llegada de avances en IA y el crecimiento de la densidad informática impulsado por la Ley de Moore, Intel y Mila planean desarrollar técnicas de IA para:
- Comprender los impulsores moleculares detrás de las enfermedades, prediciendo fenotipos complejos, incluidas enfermedades basadas en el genotipo de los SNP.
- Identificar las moléculas de fármacos más prometedoras. Las nuevas técnicas de IA implementadas por Intel y Mila aspiran a reducir significativamente este costo y llevar antes al mercado medicamentos transformadores.
ARTÍCULO RELACIONADO: ¡El primer chip criptográfico Intel llegará este 2022! ¿1000 veces más eficiente que las GPU convencionales?
ⓒ 2023 . .
