在9月24-25為期兩天的討論會上，美國能源部高級科學計算咨詢委員會（ASCAC）討論并批準了關于人工智能（AI）和機器學習（ML）應用于科學的報告，該報告呼吁制定一個十年期AI計劃。會上討論了科學設施數據急劇增加帶來的挑戰和機遇，并就充分利用新計算能力的戰略提出建議。

2019年7月至10月，阿貢、橡樹嶺和伯克利國家實驗室等主辦了一系列人工智能會議，目標是“分析未來十年在AI、大數據和高性能計算(HPC)領域的科學機遇，捕捉這些想法、挑戰并采取措施予以實現。”。2020年2月能源部發布的《人工智能科學報告》記錄了四次系列會議的討論情況。本次報告是美國能源部AI科學倡議的進一步努力。

一、機遇與挑戰

1. AI、數據和HPC的日益融合為加速科學發現、產生跨領域協同效應、提高國際競爭力提供了重要的歷史機遇。科學和計算正處在硅技術的后摩爾時代，在復雜/異構系統的可編程性和高效使用，以及數據、算法和計算資源的無縫集成方面迫切需要變革性發展。利用DOE最先進的設施、人力資源為開發出強大且可靠的AI系統奠定基礎，這將有助于應對大數據挑戰。

2. AI方法和工具將促進科學發展，但是現有商業解決方案和算法還不足以滿足科學自動化和從DOE設施和數據中提取科學知識的需求。新算法、基礎研究、工具對于解決廣泛科學應用中的特定問題至關重要。AI算法需要能夠處理稀疏、異構、未標記的數據集。AI使能的實驗設計和控制對于DOE設施的使用優化十分必要。

3. DOE科學辦公室采用AI技術將使美國科學家能夠充分利用DOE科學設施中的巨大新進展。DOE科學辦公室為美國研究人員提供X射線同步加速器、中子源、綜合基因組學、大氣輻射設施等多樣化的科學基礎設施，以及先進的HPC設施。未來，這些基礎設施的升級以及新設施的上線將在科學領域產生大量新數據，構成新的挑戰和機遇。用于科學的AI技術將有利于從這些數據源中提取信息和科學理解。

4.DOE實驗室要通過AI/ML技術實現科學實驗的下一代改變，不僅需要計算能力和全方位的計算基礎設施，還需要協調AI/ML算法、工具和軟件基礎設施的研發工作。對DOE科學辦公室的項目，AI/ML技術結合傳感器網絡、邊緣計算和高性能計算機等可以實現未來科學和能源研究的轉變。但鑒于DOE的許多設施和科學研究領域專業化性強，無法完全依賴第三方的AI/ML研發工作來實現這種轉變，DOE需要應對科學應用程序方面的挑戰。同時，軟件基礎設施需要將AI/ML工具和算法的優勢與DOE在模擬和建模方面的傳統優勢結合起來，而且能夠在科學和能源研究應用的高性能計算平臺上運行。

5.得益于優秀的團隊文化，美國DOE在利用AI/ML技術應對系列科學挑戰方面具有獨特的優勢。由科學用戶、儀器供應商、理論科學家、數學家和計算機科學家組成的團隊，在Exascale級計算項目已有成功的經驗。ASCAC認為迫切需要將AI/ML技術納入DOE的所有科學研究能力中。DOE國家實驗室需要聯合大學、工業伙伴一起啟動大規模項目以加速DOE的科研能力提升和勞動力培養。

6. DOE驅動的AI/ML科學戰略，其影響將遠超DOE科學辦公室項目，將推動新的工業投資，包括加速工程設計、合成材料，優化能源設備，并提高硬件和軟件計算能力。

7.在先進AI/ML技術領域，培養一支專業的勞動力隊伍將在提高美國競爭力方面發揮關鍵作用。培養、集中和保留AI/ML技術領域的年輕技術骨干對促進AI科學的成功至關重要。當今，AI商業工具和培訓相當普遍，但缺乏AI/ML科學應用方面的工具和培訓，因此，AI科學計劃需要提供AI/ML科學應用方面的工具和環境以為培養新一代科學家和工程師。

8.機構間合作和國際合作對于實現AI科學計劃的目標十分重要。美國機構間在AI/ML技術領域存在明顯的協同作用，美國DOE應該探索可行的機制與其他聯邦機構進行合作。此外，國際上其他國家也認識到了將AI/ML應用于科學的潛在好處，DOE應該與志同道合的國際伙伴共同推進AI的科學應用，實現共贏。

二、主要建議

1.創建一個為期10年的AI科學計劃

這個計劃應該包括解決DOE關鍵挑戰的AI科學方法，以及可以在DOE先進基礎設施中部署運行的AI解決方案。此外，這個計劃應該制定明確且具有指導性的研發路線圖。DOE可以提供先進的exascale超級計算機和大型實驗設施，這將產生越來越大的科學數據集。DOE還可以提供數學、計算機科學領域的關鍵專業知識，以及DOE特定應用的經驗。DOE應利用現有的專業知識優勢積極與志同道合的其他機構和國家進行合作，以實現利益最大化。

2. AI科學計劃的結構

ASCAC建議AI科學計劃應圍繞四個主要的AI研發主題展開：（1）AI使能的應用；（2）AI算法和基礎研究；（3）AI軟件基礎設施；（4）AI的新硬件技術。ASCAC認為這項為期10年的AI科學計劃應該得到與Exascale計算計劃（ECI）和Exascale計算項目（ECP）相同規模的資助，而且這四個主題的工作需要緊密結合，充分發揮協調效應。

3.邊緣計算創新工具

ASCAC認為高級科學計算研究（ASCR）項目應與基礎能源科學（BES）以及科學辦公室的其他科學項目緊密合作，聯合科學家、用戶和學術界社區等一起定義需求、開展研究、進行競爭性采購、設計一個高度集成的端到端系統和軟件組合，將邊緣設備與所需的AI計算資源連接起來。大規模實驗設施、空間觀測網絡等數據源整合為邊緣計算帶來了獨特的機遇和挑戰，如需要基于前沿科學實驗來解決基礎研究問題。同時，邊緣計算在隱私、安全、數據商業許可和數據集成服務等方面面臨著嚴峻挑戰。

根據以往經驗，鼓勵用戶、軟件基礎設施開發者、AI/ML研究人員，實驗室和工業界硬件專家，定義和開發AI/ML邊緣計算資源通用軟件，并支持跨設施的通用服務。

4. AI/ML勞動力的培訓、集中和保留

隨著AI技術在各領域的重要性日益增加和AI應用的不斷擴大，AI/ML技術領域的專業人才變得短缺，涉及建模和模擬、大數據分析、算法等方面。培養能夠開發或利用AI技術和方法的跨學科專業人才，對促進科學、工程、商業領域的基礎研究和支持重大決策十分必要。

ASCAC建議集中科學辦公室的力量培養更加多樣化和更加包容的人才隊伍。DOE實驗室應繼續培養高質量的計算和數據科學家。此外，DOE應該探索類似獎學金項目的人才培養方式，或者探索與美國國家科學基金會（NSF）合作提供AI/ML科學技術相關培訓。

5.機構間協作

美國NSF在AI基礎研究領域處于領先地位，而美國DOE長期致力于AI/ML在大型實驗設施數據領域的應用，擁有先進的HPC設施，是涉及“大科學、大數據、大計算”交叉領域的領先機構。DOE科與美國國立衛生研究院（NIH）在癌癥研究方面已有成功的合作案例，目前，二者簽署備忘錄以推進計算神經科學領域的合作。ASCAC建議DOE探索與美國聯邦機構在興趣相同和能顯著促進科學進步的領域展開合作

6.國際合作

未來十年，AI科學技術的國際領先地位取決于AI使能的應用、AI算法和基礎研究、AI軟件基礎設施、AI的新硬件技術四個相互依存領域的發展。當前，全球幾乎所有的科學家都將依賴高端計算和大數據分析軟件基礎設施開拓新的研究領域和大幅提升研究效率。AI/ML軟件基礎設施和算法在exascale系統的應用將支撐全球科學界解決全球性挑戰，但是世界上任何一個國家都不能獨自在短短幾年內容承擔這樣的任務。為實現與國際志同道合的伙伴的合作，ASCAC建議DOE科學辦公室從五個方面進行努力：（1）為軟件研究社區組織提供一個框架；（2）對需求、問題和策略進行徹底的評估；（3）發起制定協作軟件路線圖；（4）鼓勵和促進在教育和培訓方面的合作；（5）協調供應商的跨領域工作。

原文標題：【政策規劃?智】美國能源部發布關于人工智能應用于科學的報告

文章出處：【微信公眾號：集成電路研發競爭情報】歡迎添加關注！文章轉載請注明出處。

責任編輯：haq