英特爾聯(lián)合Mila，打造值得信賴的人工智能

英特爾與Mila團隊的成員（左起）：英特爾銷售開發(fā)經(jīng)理Jason Gauthier；Mila合作伙伴關(guān)系部高級顧問SophieLe Drew；英特爾行業(yè)技術(shù)專家DanNitta Mackay；英特爾公司副總裁兼數(shù)據(jù)中心、人工智能和云計算執(zhí)行與戰(zhàn)略總經(jīng)理Kavitha Prasad；Mila創(chuàng)始人兼科學(xué)主任Yoshua Bengio；英特爾人工智能和云計算執(zhí)行與戰(zhàn)略副總裁ArunK. Subramaniyan；Mila合作伙伴關(guān)系部高級總監(jiān)Fred Laurin；英特爾人工智能和云計算執(zhí)行與戰(zhàn)略總監(jiān)Kannan Keeranam

中關(guān)村在線消息，近日，英特爾宣布與蒙特利爾學(xué)習(xí)算法研究所（Montreal Institute of Learning Algorithms，Mila）展開為期三年的戰(zhàn)略研究與創(chuàng)新合作，來自雙方的20余名研究人員將專注于開發(fā)先進的AI技術(shù)，用于應(yīng)對氣候變化、材料研發(fā)和數(shù)字生物學(xué)等領(lǐng)域的全球性挑戰(zhàn)。

Mila創(chuàng)始人兼科學(xué)主任Yoshua Bengio表示：“面對當前全球范圍內(nèi)的挑戰(zhàn)，我們必須在學(xué)術(shù)界與產(chǎn)業(yè)界之間推動開放科學(xué)的文化，從而加速AI應(yīng)用以造福社會。此次，我們十分高興能與英特爾展開合作，更加高效地探索用于改善碳捕獲、加速藥物研發(fā)以及助力未來可持續(xù)發(fā)展的新型材料。”

加速先進AI技術(shù)的研發(fā)以解決當今世界所面臨的一系列極為關(guān)鍵且具有挑戰(zhàn)性的問題，需要值得信賴的AI戰(zhàn)略，以及擴展計算技術(shù)的能力。作為算力和AI領(lǐng)域的領(lǐng)軍企業(yè)，英特爾和Mila均秉持以積極、強大的力量推動世界變革的理念，基于此，雙方將進一步升級其于2021年啟動的項目，增加合作方向并加強合作力度，從而推動成果落地。

英特爾公司副總裁兼數(shù)據(jù)中心、人工智能和云計算執(zhí)行與戰(zhàn)略總經(jīng)理Kavitha Prasad表示：“要解決氣候變化和新材料研發(fā)等復(fù)雜問題，需要深度的AI研究、具體領(lǐng)域的專業(yè)知識，以及先進的計算技術(shù)。此次與Mila的合作，將為研究人員提供關(guān)鍵洞察并有效推動技術(shù)創(chuàng)新。未來，我們也將與Mila攜手，共同面對挑戰(zhàn)，以科技之力為下一代創(chuàng)造一個美好的未來。”

此次深化合作將重點關(guān)注：

自動化AI驅(qū)動的新材料研發(fā)：諸如密度泛函理論等化學(xué)模擬技術(shù)的進步，為模擬復(fù)雜材料系統(tǒng)的重要特性提供了途徑。然而，這些技術(shù)受限于它們所能建模的材料系統(tǒng)的復(fù)雜性，這是因為當原子數(shù)量增加時，計算成本會大幅提升。以圖神經(jīng)網(wǎng)絡(luò)（GNN）為代表的AI技術(shù)，有助于在近似化學(xué)模擬時顯著降低計算成本，尤其是在系統(tǒng)規(guī)模增加的情況下。這意味著未來有可能利用AI模擬技術(shù)來復(fù)制更復(fù)雜的材料系統(tǒng)，無疑也將帶來巨大的應(yīng)用前景。值得注意的是，如果能發(fā)現(xiàn)新材料，亦將有助于降低成本和碳排放量。

英特爾將與Mila攜手進行科技創(chuàng)新，以提高原子模擬（如Open Catalyst數(shù)據(jù)集）的圖神經(jīng)網(wǎng)絡(luò)性能。通過增強相關(guān)的技術(shù)管道，研究人員有望能夠大規(guī)模使用原子材料數(shù)據(jù)。研究團隊將創(chuàng)建基于學(xué)習(xí)的框架，以便在需要海量搜索的材料設(shè)計應(yīng)用場景中能夠進行有效查詢。這些框架可以借鑒強化學(xué)習(xí)、搜索算法、生成模型以及其他機器學(xué)習(xí)算法（包括Mila開創(chuàng)的生成流網(wǎng)絡(luò)）的理念。

將因果機器學(xué)習(xí)應(yīng)用于氣候科學(xué)：雖然基于物理學(xué)的標準氣候模型可以幫助預(yù)測氣候變化所帶來的影響，但它們極其復(fù)雜且計算成本高昂。即使是在專用的超級計算機上，通常也需要運行幾個月的時間，這降低了模擬的運行頻率，也無法很好地提供精細、本地化的預(yù)測。此外，這些模型通常無法解釋預(yù)測背后的推理或因果關(guān)系。基于此，英特爾與Mila希望填補這一空白，通過構(gòu)建一種基于因果機器學(xué)習(xí)的新型氣候模型模擬器,確定傳統(tǒng)氣候模型的高維輸入數(shù)據(jù)中有哪些變量可以預(yù)測，旨在通過全面而可靠地預(yù)測氣候變化的影響，在推動氣候科學(xué)發(fā)展的同時為決策提供可靠的判斷依據(jù)。

加速研究疾病的分子驅(qū)動因素和新藥研發(fā)：新藥研發(fā)是一個漫長的過程，每一種獲批藥物的平均成本是26億美元。成本之所以如此高昂，是因為尋找能與特定靶標契合的小分子是一個危險且高度不確定的過程，并可能耗費超過十年的時間。而且，即便找到了一個分子，也有可能在后期失效。

英特爾和Mila的研究人員將攜手合作，以更便捷地發(fā)現(xiàn)更好的候選藥物分子。例如，預(yù)測復(fù)雜的表型——包括基于單核苷酸多態(tài)性(SNP)基因類型的疾病——一直是數(shù)字生物學(xué)長期以來面臨的一個挑戰(zhàn)，因為大多數(shù)表型受到整個基因組中諸多SNP的影響。因此，使用大規(guī)模人群數(shù)據(jù)，針對這類表型的所有相關(guān)SNP進行聯(lián)合因果分析，是現(xiàn)階段面臨的主要計算挑戰(zhàn)。精確解的搜索空間大小與SNP的數(shù)量成指數(shù)關(guān)系。在檢測的SNP達到數(shù)百萬個時，精確解在計算上難以處理。

然而，隨著高分辨率數(shù)據(jù)的可用性提升、突破性AI技術(shù)的出現(xiàn)以及摩爾定律推動的計算密度增長，英特爾和Mila計劃開發(fā)AI技術(shù)，用于：

了解疾病背后的分子驅(qū)動因素，預(yù)測復(fù)雜的表型，包括基于SNP基因類型的疾病。

發(fā)現(xiàn)最有前景的藥物分子。英特爾和Mila應(yīng)用的全新AI技術(shù)有望顯著降低成本并更快地將革命性藥物推向市場。

來源：中關(guān)村在線