ابرکامپیوتر هوش مصنوعی MIT: جهشی بزرگ در محاسبات!

ابرکامپیوتر هوش مصنوعی TX-GAIN: قدرت‌نمایی MIT در عرصه هوش مصنوعی

آزمایشگاه لینکلن MIT از جدیدترین دستاورد خود، ابرکامپیوتر هوش مصنوعی TX-Generative AI Next (TX-GAIN) رونمایی کرد. این سیستم قدرتمندترین ابرکامپیوتر هوش مصنوعی در بین تمام دانشگاه‌های ایالات متحده است. با قرارگیری در رتبه‌بندی TOP500، TX-GAIN به جمع سیستم‌های قدرتمند مرکز ابرمحاسباتی لینکلن (LLSC) پیوسته و از تحقیقات و توسعه در آزمایشگاه لینکلن و سراسر پردیس MIT پشتیبانی می‌کند.

به گفته جرمی کپنر، محقق برجسته آزمایشگاه لینکلن و رئیس LLSC، TX-GAIN به محققان این امکان را می‌دهد تا به پیشرفت‌های علمی و مهندسی چشمگیری دست یابند. این سیستم نقش مهمی در پشتیبانی از هوش مصنوعی مولد، شبیه‌سازی فیزیکی و تجزیه و تحلیل داده‌ها در تمام حوزه‌های تحقیقاتی ایفا خواهد کرد. در واقع، MIT با این ابرکامپیوتر هوش مصنوعی، قدرت محاسباتی خود را به شکل چشمگیری ارتقا داده است.

نقش حیاتی LLSC در تسریع نوآوری

LLSC یک منبع کلیدی برای تسریع نوآوری در آزمایشگاه لینکلن است. هزاران محقق از LLSC برای تجزیه و تحلیل داده‌ها، آموزش مدل‌ها و اجرای شبیه‌سازی‌ها برای پروژه‌های تحقیقاتی با بودجه فدرال استفاده می‌کنند. برای مثال، ابرکامپیوترها برای شبیه‌سازی میلیاردها برخورد هواپیما برای توسعه سیستم‌های جلوگیری از برخورد برای سازمان هواپیمایی فدرال و آموزش مدل‌ها در وظایف پیچیده ناوبری خودکار برای وزارت دفاع مورد استفاده قرار گرفته‌اند.

قابلیت‌های LLSC در طول سال‌ها برای بسیاری از فناوری‌های برنده جایزه، از جمله فناوری‌هایی که ایمنی خطوط هوایی را بهبود بخشیده‌اند، از گسترش بیماری‌های جدید جلوگیری کرده‌اند و در پاسخ به طوفان‌ها کمک کرده‌اند، ضروری بوده‌اند. این مرکز با بهره‌گیری از جدیدترین ابرکامپیوتر هوش مصنوعی، به دنبال گسترش این دستاوردها است.

هوش مصنوعی مولد: فراتر از دسته‌بندی

همانطور که از نامش پیداست، TX-GAIN به ویژه برای توسعه و به کارگیری هوش مصنوعی مولد مجهز شده است. در حالی که هوش مصنوعی سنتی بر وظایف دسته‌بندی مانند شناسایی اینکه آیا یک عکس سگ را نشان می‌دهد یا گربه، تمرکز دارد، هوش مصنوعی مولد خروجی‌های کاملاً جدیدی تولید می‌کند. کپنر آن را ترکیبی ریاضی از درون‌یابی (پر کردن شکاف بین نقاط داده شناخته شده) و برون‌یابی (گسترش داده‌ها فراتر از نقاط شناخته شده) توصیف می‌کند. امروزه، هوش مصنوعی مولد به طور گسترده‌ای برای استفاده از مدل‌های زبانی بزرگ برای ایجاد پاسخ‌های انسان‌مانند به درخواست‌های کاربر شناخته شده است.

در آزمایشگاه لینکلن، تیم‌ها هوش مصنوعی مولد را در حوزه‌های مختلف فراتر از مدل‌های زبانی بزرگ به کار می‌گیرند. برای مثال، آن‌ها از این فناوری برای ارزیابی سیگنال‌های رادار، تکمیل داده‌های آب و هوایی در جایی که پوشش وجود ندارد، ریشه‌کن کردن ناهنجاری‌ها در ترافیک شبکه و بررسی تعاملات شیمیایی برای طراحی داروها و مواد جدید استفاده می‌کنند. این موارد تنها بخشی از کاربردهای گسترده این ابرکامپیوتر هوش مصنوعی هستند.

توان محاسباتی بی‌نظیر TX-GAIN

برای فعال کردن چنین محاسبات شدیدی، TX-GAIN توسط بیش از 600 شتاب‌دهنده واحد پردازش گرافیکی NVIDIA که به طور ویژه برای عملیات هوش مصنوعی طراحی شده‌اند، علاوه بر سخت‌افزار محاسباتی با کارایی بالا سنتی، تغذیه می‌شود. با حداکثر عملکرد دو اگزافلاپس هوش مصنوعی (دو کوئینتیلیون عملیات ممیز شناور در ثانیه)، TX-GAIN برترین سیستم هوش مصنوعی در یک دانشگاه و در شمال شرقی است. از زمان راه‌اندازی TX-GAIN در تابستان امسال، محققان متوجه این موضوع شده‌اند.

رافائل جیمز، محقق در گروه سیستم‌های مقابله با سلاح‌های کشتار جمعی آزمایشگاه لینکلن، می‌گوید: “TX-GAIN به ما این امکان را می‌دهد که نه تنها تعاملات پروتئینی بسیار بیشتری را نسبت به گذشته مدل‌سازی کنیم، بلکه پروتئین‌های بسیار بزرگ‌تری را با اتم‌های بیشتر نیز مدل‌سازی کنیم. این قابلیت محاسباتی جدید یک تغییردهنده بازی برای تلاش‌های توصیف پروتئین در دفاع بیولوژیکی است.” این نشان می‌دهد که ابرکامپیوتر هوش مصنوعی TX-GAIN چه تاثیری بر پیشرفت‌های علمی خواهد داشت.

محاسبات تعاملی: کلید موفقیت LLSC

تمرکز LLSC بر محاسبات تعاملی آن را به ویژه برای محققان مفید می‌سازد. سال‌هاست که LLSC نرم‌افزاری را پیشگام کرده است که به کاربران اجازه می‌دهد بدون نیاز به متخصص بودن در پیکربندی الگوریتم‌ها برای پردازش موازی، به سیستم‌های قدرتمند خود دسترسی داشته باشند.

کپنر می‌گوید: “LLSC همیشه تلاش کرده است که ابرمحاسبات را شبیه کار کردن روی لپ‌تاپ خود حس کند. حجم داده‌ها و پیچیدگی روش‌های تحلیلی مورد نیاز برای رقابت امروز فراتر از آن چیزی است که می‌توان روی یک لپ‌تاپ انجام داد. اما با رویکرد کاربرپسند ما، افراد می‌توانند مدل خود را اجرا کنند و به سرعت از فضای کاری خود پاسخ دریافت کنند.”

همکاری گسترده با سایر بخش‌های MIT

TX-GAIN علاوه بر پشتیبانی از برنامه‌های صرفاً در آزمایشگاه لینکلن، همکاری‌های تحقیقاتی با پردیس MIT را نیز افزایش می‌دهد. این همکاری‌ها شامل رصدخانه هیستک، مرکز مهندسی کوانتومی، بیور ورکس و بخش شتاب‌دهنده هوش مصنوعی نیروی هوایی-MIT است. ابتکار اخیر به سرعت در حال نمونه‌سازی، مقیاس‌بندی و به کارگیری فناوری‌های هوش مصنوعی برای نیروی هوایی و نیروی فضایی ایالات متحده است و بهینه‌سازی زمان‌بندی پرواز مثال بارزی در این زمینه است.

تلاش برای کاهش مصرف انرژی

سیستم‌های LLSC در یک مرکز داده و تأسیسات کم مصرف در هولیوک، ماساچوست قرار دارند. کارکنان تحقیقاتی در LLSC نیز در حال مقابله با نیازهای عظیم انرژی هوش مصنوعی و رهبری تحقیقات در مورد روش‌های مختلف کاهش مصرف انرژی هستند. یک ابزار نرم‌افزاری که آن‌ها توسعه داده‌اند می‌تواند انرژی آموزش یک مدل هوش مصنوعی را تا 80 درصد کاهش دهد. این نشان‌دهنده تعهد LLSC به پایداری در کنار نوآوری است.

کپنر می‌گوید: “LLSC قابلیت‌های مورد نیاز برای انجام تحقیقات پیشرفته را به شیوه‌ای مقرون‌به‌صرفه و با راندمان انرژی بالا فراهم می‌کند.”

ادای احترام به تاریخچه ابرمحاسبات

تمام ابرکامپیوترهای LLSC از نام “TX” به عنوان ادای احترام به رایانه آزمایشی ترانزیستوری صفر (TX-0) آزمایشگاه لینکلن در سال 1956 استفاده می‌کنند. TX-0 یکی از اولین ماشین‌های مبتنی بر ترانزیستور در جهان بود و جانشین آن در سال 1958، TX-2، به دلیل نقش خود در پیشگامی تعامل انسان و کامپیوتر و هوش مصنوعی مشهور است. با TX-GAIN، LLSC این میراث را ادامه می‌دهد. این ابرکامپیوتر هوش مصنوعی، گامی بزرگ در راستای آینده‌ای مبتنی بر محاسبات پیشرفته است.