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(kāi)為期三年的戰(zhàn)略研究與創(chuàng)新合作，來(lái)自雙方的20余名研究人員將專(zhuān)注于開(kāi)發(fā)先進(jìn)的AI技術(shù)，用于應(yīng)對(duì)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)。

　　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(qiáng)大的力量推動(dòng)世界變革的理念，基于此，雙方將進(jìn)一步升級(jí)其于2021年啟動(dòng)的項(xiàng)目，增加合作方向并加強(qiáng)合作力度，從而推動(dòng)成果落地。

　　據(jù)了解，此次深化合作將重點(diǎn)關(guān)注以下三點(diǎn)。

　　一是自動(dòng)化AI驅(qū)動(dòng)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(jìn)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?yàn)楫?dāng)原子數(shù)量增加時(shí)，計(jì)算成本會(huì)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(shí)顯著降低計(jì)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(lái)有可能利用AI模擬技術(shù)來(lái)復(fù)制更復(fù)雜的材料系統(tǒng)，無(wú)疑也將帶來(lái)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(jìn)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(guò)增強(qiáng)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(tuán)隊(duì)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(jì)應(yīng)用場(chǎng)景中能夠進(jìn)行有效查詢(xún)。這些框架可以借鑒強(qiáng)化學(xué)習(xí)、搜索算法、生成模型以及其他機(jī)器學(xué)習(xí)算法(包括Mila開(kāi)創(chuàng)的生成流網(wǎng)絡(luò))的理念。

　　二是將因果機(jī)器學(xué)習(xí)應(yīng)用于氣候科學(xué)。雖然基于物理學(xué)的標(biāo)準(zhǔn)氣候模型可以幫助預(yù)測(cè)氣候變化所帶來(lái)的影響，但它們極其復(fù)雜且計(jì)算成本高昂。即使是在專(zhuān)用的超級(jí)計(jì)算機(jī)上，通常也需要運(yùn)行幾個(gè)月的時(shí)間，這降低了模擬的運(yùn)行頻率，也無(wú)法很好地提供精細(xì)、本地化的預(yù)測(cè)。此外，這些模型通常無(wú)法解釋預(yù)測(cè)背后的推理或因果關(guān)系。基于此，英特爾與Mila希望填補(bǔ)這一空白，通過(guò)構(gòu)建一種基于因果機(jī)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(cè)，旨在通過(guò)全面而可靠地預(yù)測(cè)氣候變化的影響，在推動(dòng)氣候科學(xué)發(fā)展的同時(shí)為決策提供可靠的判斷依據(jù)。

　　三是加速研究疾病的分子驅(qū)動(dòng)因素和新藥研發(fā)。新藥研發(fā)是一個(gè)漫長(zhǎng)的過(guò)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?yàn)閷ふ夷芘c特定靶標(biāo)契合的小分子是一個(gè)危險(xiǎn)且高度不確定的過(guò)程，并可能耗費(fèi)超過(guò)十年的時(shí)間。而且，即便找到了一個(gè)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(cè)復(fù)雜的表型——包括基于單核苷酸多態(tài)性 (SNP) 基因類(lèi)型的疾病——一直是數(shù)字生物學(xué)長(zhǎng)期以來(lái)面臨的一個(gè)挑戰(zhàn)，因?yàn)榇蠖鄶?shù)表型受到整個(gè)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(duì)這類(lèi)表型的所有相關(guān)SNP進(jìn)行聯(lián)合因果分析，是現(xiàn)階段面臨的主要計(jì)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(cè)的SNP達(dá)到數(shù)百萬(wàn)個(gè)時(shí)，精確解在計(jì)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(dòng)的計(jì)算密度增長(zhǎng)，英特爾和Mila計(jì)劃開(kāi)發(fā)AI技術(shù)，用于：了解疾病背后的分子驅(qū)動(dòng)因素，預(yù)測(cè)復(fù)雜的表型，包括基于SNP基因類(lèi)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(chǎng)。