美国能源部呼吁制定十年期AI计划

在9月24-25为期两天的讨论会上，美国能源部高级科学计算咨询委员会（ASCAC）讨论并批准了关于人工智能（AI）和机器学习（ML）应用于科学的报告，该报告呼吁制定一个十年期AI计划。会上讨论了科学设施数据急剧增加带来的挑战和机遇，并就充分利用新计算能力的战略提出建议。

2019年7月至10月，阿贡、橡树岭和伯克利国家实验室等主办了一系列人工智能会议，目标是“分析未来十年在AI、大数据和高性能计算(HPC)领域的科学机遇，捕捉这些想法、挑战并采取措施予以实现。”。2020年2月能源部发布的《人工智能科学报告》记录了四次系列会议的讨论情况。本次报告是美国能源部AI科学倡议的进一步努力。

一、机遇与挑战

1. AI、数据和HPC的日益融合为加速科学发现、产生跨领域协同效应、提高国际竞争力提供了重要的历史机遇。科学和计算正处在硅技术的后摩尔时代，在复杂/异构系统的可编程性和高效使用，以及数据、算法和计算资源的无缝集成方面迫切需要变革性发展。利用DOE最先进的设施、人力资源为开发出强大且可靠的AI系统奠定基础，这将有助于应对大数据挑战。

2. AI方法和工具将促进科学发展，但是现有商业解决方案和算法还不足以满足科学自动化和从DOE设施和数据中提取科学知识的需求。新算法、基础研究、工具对于解决广泛科学应用中的特定问题至关重要。AI算法需要能够处理稀疏、异构、未标记的数据集。AI使能的实验设计和控制对于DOE设施的使用优化十分必要。

3. DOE科学办公室采用AI技术将使美国科学家能够充分利用DOE科学设施中的巨大新进展。DOE科学办公室为美国研究人员提供X射线同步加速器、中子源、综合基因组学、大气辐射设施等多样化的科学基础设施，以及先进的HPC设施。未来，这些基础设施的升级以及新设施的上线将在科学领域产生大量新数据，构成新的挑战和机遇。用于科学的AI技术将有利于从这些数据源中提取信息和科学理解。

4.DOE实验室要通过AI/ML技术实现科学实验的下一代改变，不仅需要计算能力和全方位的计算基础设施，还需要协调AI/ML算法、工具和软件基础设施的研发工作。对DOE科学办公室的项目，AI/ML技术结合传感器网络、边缘计算和高性能计算机等可以实现未来科学和能源研究的转变。但鉴于DOE的许多设施和科学研究领域专业化性强，无法完全依赖第三方的AI/ML研发工作来实现这种转变，DOE需要应对科学应用程序方面的挑战。同时，软件基础设施需要将AI/ML工具和算法的优势与DOE在模拟和建模方面的传统优势结合起来，而且能够在科学和能源研究应用的高性能计算平台上运行。

5.得益于优秀的团队文化，美国DOE在利用AI/ML技术应对系列科学挑战方面具有独特的优势。由科学用户、仪器供应商、理论科学家、数学家和计算机科学家组成的团队，在Exascale级计算项目已有成功的经验。ASCAC认为迫切需要将AI/ML技术纳入DOE的所有科学研究能力中。DOE国家实验室需要联合大学、工业伙伴一起启动大规模项目以加速DOE的科研能力提升和劳动力培养。

6. DOE驱动的AI/ML科学战略，其影响将远超DOE科学办公室项目，将推动新的工业投资，包括加速工程设计、合成材料，优化能源设备，并提高硬件和软件计算能力。

7.在先进AI/ML技术领域，培养一支专业的劳动力队伍将在提高美国竞争力方面发挥关键作用。培养、集中和保留AI/ML技术领域的年轻技术骨干对促进AI科学的成功至关重要。当今，AI商业工具和培训相当普遍，但缺乏AI/ML科学应用方面的工具和培训，因此，AI科学计划需要提供AI/ML科学应用方面的工具和环境以为培养新一代科学家和工程师。

8.机构间合作和国际合作对于实现AI科学计划的目标十分重要。美国机构间在AI/ML技术领域存在明显的协同作用，美国DOE应该探索可行的机制与其他联邦机构进行合作。此外，国际上其他国家也认识到了将AI/ML应用于科学的潜在好处，DOE应该与志同道合的国际伙伴共同推进AI的科学应用，实现共赢。

二、主要建议

1.创建一个为期10年的AI科学计划

这个计划应该包括解决DOE关键挑战的AI科学方法，以及可以在DOE先进基础设施中部署运行的AI解决方案。此外，这个计划应该制定明确且具有指导性的研发路线图。DOE可以提供先进的exascale超级计算机和大型实验设施，这将产生越来越大的科学数据集。DOE还可以提供数学、计算机科学领域的关键专业知识，以及DOE特定应用的经验。DOE应利用现有的专业知识优势积极与志同道合的其他机构和国家进行合作，以实现利益最大化。

2. AI科学计划的结构

ASCAC建议AI科学计划应围绕四个主要的AI研发主题展开：（1）AI使能的应用；（2）AI算法和基础研究；（3）AI软件基础设施；（4）AI的新硬件技术。ASCAC认为这项为期10年的AI科学计划应该得到与Exascale计算计划（ECI）和Exascale计算项目（ECP）相同规模的资助，而且这四个主题的工作需要紧密结合，充分发挥协调效应。

3.边缘计算创新工具

ASCAC认为高级科学计算研究（ASCR）项目应与基础能源科学（BES）以及科学办公室的其他科学项目紧密合作，联合科学家、用户和学术界社区等一起定义需求、开展研究、进行竞争性采购、设计一个高度集成的端到端系统和软件组合，将边缘设备与所需的AI计算资源连接起来。大规模实验设施、空间观测网络等数据源整合为边缘计算带来了独特的机遇和挑战，如需要基于前沿科学实验来解决基础研究问题。同时，边缘计算在隐私、安全、数据商业许可和数据集成服务等方面面临着严峻挑战。

根据以往经验，鼓励用户、软件基础设施开发者、AI/ML研究人员，实验室和工业界硬件专家，定义和开发AI/ML边缘计算资源通用软件，并支持跨设施的通用服务。

4. AI/ML劳动力的培训、集中和保留

随着AI技术在各领域的重要性日益增加和AI应用的不断扩大，AI/ML技术领域的专业人才变得短缺，涉及建模和模拟、大数据分析、算法等方面。培养能够开发或利用AI技术和方法的跨学科专业人才，对促进科学、工程、商业领域的基础研究和支持重大决策十分必要。

ASCAC建议集中科学办公室的力量培养更加多样化和更加包容的人才队伍。DOE实验室应继续培养高质量的计算和数据科学家。此外，DOE应该探索类似奖学金项目的人才培养方式，或者探索与美国国家科学基金会（NSF）合作提供AI/ML科学技术相关培训。

5.机构间协作

美国NSF在AI基础研究领域处于领先地位，而美国DOE长期致力于AI/ML在大型实验设施数据领域的应用，拥有先进的HPC设施，是涉及“大科学、大数据、大计算”交叉领域的领先机构。DOE科与美国国立卫生研究院（NIH）在癌症研究方面已有成功的合作案例，目前，二者签署备忘录以推进计算神经科学领域的合作。ASCAC建议DOE探索与美国联邦机构在兴趣相同和能显著促进科学进步的领域展开合作

6.国际合作

未来十年，AI科学技术的国际领先地位取决于AI使能的应用、AI算法和基础研究、AI软件基础设施、AI的新硬件技术四个相互依存领域的发展。当前，全球几乎所有的科学家都将依赖高端计算和大数据分析软件基础设施开拓新的研究领域和大幅提升研究效率。AI/ML软件基础设施和算法在exascale系统的应用将支撑全球科学界解决全球性挑战，但是世界上任何一个国家都不能独自在短短几年内容承担这样的任务。为实现与国际志同道合的伙伴的合作，ASCAC建议DOE科学办公室从五个方面进行努力：（1）为软件研究社区组织提供一个框架；（2）对需求、问题和策略进行彻底的评估；（3）发起制定协作软件路线图；（4）鼓励和促进在教育和培训方面的合作；（5）协调供应商的跨领域工作。

原文标题：【政策规划•智】美国能源部发布关于人工智能应用于科学的报告

文章出处：【微信公众号：集成电路研发竞争情报】欢迎添加关注！文章转载请注明出处。

责任编辑：haq