Indústria, academia e governo se reúnem no TPC25

Muitos dos avanços da IA vieram recentemente do setor privado, especificamente o punhado de empresas de tecnologia gigantes com os recursos e conhecimentos para desenvolver modelos de fundação maciços. Embora esses avanços tenham gerado tremenda excitação e promessa, um grupo diferente de partes interessadas procura impulsionar futuras avanços da IA em computação científica e técnica, que foi um tópico de alguma discussão nesta semana na conferência TPC25 do Trilhão de Parâmetro Consortium em San Jose, Califórnia.

Um painel de discussão do TPC25 sobre esse tópico foi especialmente informativo. Liderado pelo moderador Karthik Duraisamy, da Universidade de Michigan, a palestra de 30 de julho centrou -se em como o governo, academia, laboratórios nacionais e indústria podem trabalhar juntos para aproveitar os recentes desenvolvimentos da IA para impulsionar a descoberta científica para a melhoria dos Estados Unidos e, finalmente, a humanidade.

Hal Finkel, diretor da Divisão de Pesquisa em Ciências Computacionais do Departamento de Energia, foi inequívoco no apoio de seu departamento à IA. “Todas as partes do DOE têm um interesse crítico na IA”, disse Finkel. “Estamos investindo muito na IA e estamos há muito tempo. Mas as coisas estão diferentes agora.”

Atualmente, o DOE está analisando como ele pode aproveitar o mais recente aprimoramento da IA para acelerar a produtividade científica em uma variedade de disciplinas, disse Finkel, se está acelerando o caminho para supercondutores e energia de fusão ou robótica e fotônica avançadas.

“Há apenas uma enorme área onde a IA será importante”, disse ele. “We would like to have the ability to leverage our supercomputing experience. Now we have exascale supercomputers now throughout DOE and several other nationwide laboratories. And we now have testbeds, as I discussed, in AI. And we’re additionally new AI applied sciences…like neuromorphic applied sciences, issues which might be going to be essential for doing AI on the edge, embedding in experiments utilizing superior robotics, issues which may very well be dramatically extra vitality environment friendly than the Ai que temos hoje. ”

Vishal Shrotriya, um executivo de desenvolvimento de negócios com Quantinuumum desenvolvedor de plataformas de computação quântica, está ansioso pelo dia em que os computadores quânticos, trabalhando em conjunto com os algoritmos de IA, podem resolver os problemas computacionais mais difíceis em áreas como ciência, física e química.

“Algumas pessoas dizem que a verdadeira química não é possível até termos computadores quânticos”, disse Shrotriya. “Mas fizemos um trabalho tão incrível sem realmente ter a capacidade de estimular mesmo pequenas moléculas com precisão. É isso que os computadores quânticos permitirão que você faça.”

A combinação de computadores quânticos e modelos de fundação pode ser inovadora para os cientistas moleculares, permitindo que eles criem novos dados sintéticos a partir de computadores quânticos. Os cientistas serão capazes de alimentar esses dados sintéticos de volta aos modelos de IA, criando um poderoso ciclo de suggestions que, esperançosamente, impulsiona a descoberta e a inovação científicas.

Vishal Shrotriya (à esquerda) de Quantinuum (Molly Presley, de Hammerspace, em TPC25, 30 de julho de 2025

“Essa é uma grande área em que os computadores quânticos podem potencialmente permitir que você acelere esse ciclo de desenvolvimento de medicamentos e se afasta dessa tentativa e erro para permitir que você com precisão, por exemplo, calcule a energia de ligação da proteína no native em uma molécula”, disse Shrotriya.

Um defensor capaz da importância important dos dados no novo mundo da IA foi Molly Presley, chefe de advertising and marketing world da Hammerspace. Os dados são absolutamente críticos para a IA, é claro, mas o problema é que não é distribuído uniformemente em todo o mundo. Hammerspace ajuda trabalhando para eliminar as compensações inerentes entre a representação efêmera de dados nas mentes humanas e os modelos de IA e a manifestação física de dados.

Os padrões são de important importância para esse empreendimento, disse Presley. “Temos mantenedores de kernel Linux, vários deles em nossa equipe, dirigindo muito do que você pensaria como serviços de armazenamento tradicionais no kernel do Linux, fazendo com que você possa ter acesso baseado em padrões a qualquer dado, independentemente de onde foi criado (para que) possa ser visível e usado com as permissões apropriadas em outras locais.”

O mundo da IA poderia usar mais padrões para ajudar os dados a serem usados de maneira mais ampla, inclusive na IA, disse Presley. Um tópico que surgiu repetidamente sobre ela “Dados não fortiadosO podcast é a necessidade de maior acordo sobre como definir metadados.

“Os convidados quase sempre criam padronização em metadados”, disse Presley. “Como um pesquisador de genômica vincula seus metadados versus um sistema de HPC em relação aos serviços financeiros? É completamente diferente, e ninguém sabe quem deve enfrentá -lo. Não tenho resposta.

“Esse tipo de comunidade provavelmente é quem poderia fazê -lo”, disse Presley. “Mas como queremos usar a IA fora do native ou do fluxo de trabalho ou dos dados foi criado, como você faz com que os metadados padronizados e pesquisáveis o suficiente para que alguém possa entendê -lo? E isso parece ser um grande desafio”.

A Fundação Nacional de Ciências do Governo dos EUA foi representada por Katie AntypasAssim, Um funcionário do Lawrence Berkeley Nationwide Lab, que acabou de ser renomeado diretor do Escritório de Infraestrutura Cibernética Avançada. Anytpas apontou o papel que o projeto nacional de recursos de pesquisa de inteligência synthetic (Nairr) desempenha para ajudar a educar a próxima geração de especialistas em IA.

Hal Finkel de Doe (à esquerda) e Intel Labs Pradeep Dubey

“Onde vejo um enorme desafio está na força de trabalho”, disse Antypas. “Temos tantas pessoas talentosas em todo o país e realmente precisamos garantir que estamos desenvolvendo essa próxima geração de talentos. E acho que levará o investimento de parcerias do setor com a indústria e do governo federal, para fazer esses investimentos realmente críticos”.

Nairr começou sob o primeiro governo Trump, foi mantido sob o governo Biden e está “ficando forte” no segundo governo Trump, disse Antypas.

“Se queremos um ecossistema saudável de inovação de IA, precisamos garantir que estamos investindo realmente essa pesquisa elementary de IA”, disse Antypas. “Não queríamos que toda a pesquisa fosse motivada por algumas das maiores empresas de tecnologia que estão fazendo um trabalho incrível. Queríamos garantir que pesquisadores de todo o país, em todos os domínios, pudessem ter acesso a esses recursos críticos”.

O quinto painel period Pradeep Dubey, um membro sênior da Intel em Intel Labs e Diretor do Laboratório de Computação Paralelo. Dubey vê desafios em vários níveis da pilha, incluindo a inclinação do modelo de fundação em alucinar, a mudança de proficiência técnica dos usuários e onde vamos obter gigawatts de energia para alimentar aglomerados maciços.

“No nível algorítmico, o maior desafio que temos é como você cria um modelo que é capaz e confiável ao mesmo tempo”, disse Dubey. “Há um conflito lá. Alguns desses problemas são muito fáceis de resolver. Além disso, eles são apenas hype, o que significa que você pode simplesmente colocar o humano no loop e você pode cuidar disso … os problemas estão sendo resolvidos e você está recebendo centenas de aceleração do ano.

A IA chegou tão longe, principalmente porque não descobriu o que é computacionalmente e algoritmicamente difícil de fazer, disse Dubey. Resolver esses problemas será bastante difícil. Por exemplo, a alucinação não é um bug nos modelos de IA – é um recurso.

Katie Antypas da NSF (à esquerda) e Moderador TPC25 Karthik Duraisamy

“É a mesma coisa em uma sala quando as pessoas estão sentadas e um cara dirá alguma coisa. Como, você está louco?” O membro sênior da Intel disse. “E esse cara louco geralmente está certo. Então isso é inerente, então não reclame. É exatamente isso que é a IA. É por isso que chegou tão longe.”

Abrir IA para não codificadores é outra questão identificada por Dubey. Você tem cientistas de dados que preferem trabalhar em um ambiente como o MATLAB, obtendo acesso a clusters de GPU. “Você precisa pensar em como pode pegar a IA da prisão da biblioteca Cuda ou da prisão de Cuda-Dnn, para descompilar em idiomas Matlab de alto nível”, disse ele. “Problema muito difícil.”

No entanto, o maior problema – e um que foi um tema recorrente na TPC25 – period a iminente escassez de eletricidade. O enorme apetite por executar enormes fábricas de IA pode sobrecarregar os recursos disponíveis.

“Temos computação suficiente no nível de {hardware}. Você não pode alimentá -lo. E o movimento dos dados está custando mais de 30%, 40%”, disse Dubey. “E o que queremos é 70 ou 80% de energia irá para a movimentação de dados, não para calcular dados. Então, agora vamos fazer a pergunta: por que estou pagando a conta Gigawatt se você estiver usando apenas 10% para calculá -la?”

Existem grandes desafios que a comunidade de computação deve enfrentar se aproveitar ao máximo a oportunidade atual da IA e levar a descoberta científica para o próximo nível. Todas as partes interessadas – do governo e dos laboratórios nacionais, da indústria às universidades – desempenharão um papel.

“Tem que vir do interesse amplo e agregado de todos”, disse o Finkel do DOE. “Nós realmente queremos facilitar a união das pessoas, certificando-se de que as pessoas entendam onde estão os interesses das pessoas e como elas podem se juntar. E é realmente assim que facilitamos esse tipo de desenvolvimento. E é realmente melhor quando é orientado pela comunidade”.

Itens relacionados:

TPC25 Visualização: Dentro da conferência, moldando a Fronteira AI para a Ciência

Tudo o que você sempre quis saber sobre o trilhão de parâmetros consórcio e tpc25, mas tinha medo de perguntar

Agentes da IA para impulsionar a descoberta científica dentro de um ano, Altman prevê