Teknoloji & Yapay Zeka

Milyar Parametreli Yapay Zeka Modeli Atom Simülasyonlarında Çığır Açtı

Araştırmacılar, atom düzeyindeki fiziksel simülasyonları kuantum doğruluğunda gerçekleştirebilen milyar parametreli bir yapay zeka modeli geliştirdi. MatRIS-MoE adı verilen bu model, periyodik tablonun tüm elementlerini kapsayan devasa veri setleri üzerinde eğitildi. Geleneksel yöntemlerin aksine, bu sistem organik moleküllerden inorganik malzemelere kadar geniş bir yelpazede malzeme özelliklerini tahmin edebiliyor. Projenin en büyük zorluklarından biri, ikinci dereceden türevler gerektiren eğitim sürecinin paralel hesaplama altyapısına uyarlanmasıydı. Araştırma ekibi, Janus adlı özel bir dağıtık eğitim çerçevesi geliştirerek bu sorunu çözdü. İki farklı süper bilgisayar üzerinde test edilen sistem, teorik kapasitesinin %35'ine ulaşarak rekor performans sergiledi.

Bilim dünyası, atom düzeyindeki etkileşimleri kuantum doğruluğunda modelleyebilen devrim niteliğindeki bir yapay zeka sistemiyle tanışıyor. Araştırmacılar tarafından geliştirilen MatRIS-MoE modeli, milyar parametreli yapısıyla malzeme biliminde yeni bir dönem başlatıyor.

Bu yenilikçi sistem, periyodik tablonun tüm elementlerini kapsayan kapsamlı veri setleri üzerinde eğitildi. Geleneksel atom-arası potansiyel modellerinden farklı olarak, hem organik molekülleri hem de inorganik malzemeleri aynı doğrulukta işleyebiliyor. Bu özellik, malzeme tasarımından ilaç geliştirmeye kadar pek çok alanda uygulanabilir.

Projenin en büyük teknik zorluğu, milyar parametreli modelin eğitim sürecinde yaşandı. Sistem, ikinci dereceden türevler gerektirdiği için mevcut paralel eğitim çerçeveleri yetersiz kalıyordu. Araştırma ekibi bu sorunu çözmek için Janus adlı özel bir dağıtık eğitim altyapısı geliştirdi.

İki farklı ekzaskala süper bilgisayarda test edilen sistem, tek hassasiyette 1.0-1.2 EFLOPS performansa ulaştı. Bu değer, teorik kapasitenin %35.5'ine denk geliyor ve %90'ın üzerinde paralel verimlilik oranıyla elde edildi. Sonuçlar, yapay zekanın bilimsel hesaplamalardaki potansiyelini gözler önüne seriyor.

Özgün Kaynak
arXiv (CS + AI)
Breaking the Training Barrier of Billion-Parameter Universal Machine Learning Interatomic Potentials
Orijinal makaleyi oku

Bu içerik, özgün kaynaktaki bilgiler temel alınarak BilimKapsül editörleri tarafından yeniden kaleme alınmıştır. Orijinal metnin birebir çevirisi değildir. Telif hakkı özgün yayıncıya aittir.