Aurora超級電腦驅動自主平台 實現複雜化學模擬自動化

Aurora超級電腦驅動自主平台 實現複雜化學模擬自動化

計算化學領域長期面臨需要專業知識、多種軟體工具及繁複工作流程的挑戰。美國能源部阿貢國家實驗室（Argonne National Laboratory）的研究人員開發了一套名為 ChemGraph 的開源框架，透過AI代理人自動化大部分模擬流程，讓科學家與學生能更輕鬆地執行進階模擬。

這套框架旨在協助研究人員解決材料科學與化學問題，無需手動操作每一個技術步驟。潛在應用包括設計更優異的電池、改善燃燒系統，以及支援關鍵材料的探索研究。

ChemGraph 結合大型語言模型（LLM）與基於代理人的自動化技術。研究人員只需以日常語言描述科學問題，系統便會將需求轉換為一系列計算任務、軟體工具與分析步驟，自動生成所需結果，不再需要使用者自行準備複雜的模擬工作流程。

該專案基於阿貢領導運算設施（ALCF）的 Aurora 超大規模（exascale）超級電腦及 ALCF 推論服務（Inference Service）建構，後者提供研究人員以雲端方式存取運行於高效能運算系統上的大型語言模型。

降低研究門檻

執行計算化學模擬通常涉及選擇適當的科學方法、確認相容軟體、準備輸入檔案、進行運算、分析結果，以及多次迭代調整參數等繁複步驟。

ChemGraph 將這些任務分配給專責工作流程規劃、執行與資料管理的 AI 代理人。該框架的設計理念並非讓語言模型直接給出答案，而是先調用適當的科學軟體與函式庫，再回傳結果。

「我們不希望大型語言模型只是回答問題，」阿貢博士後研究員暨 ChemGraph 共同開發者 Thang Duc Pham 表示，「我們希望它能執行基於物理的模擬，為你取得答案，而不是僅依賴模型本身儲存的知識。」

研究團隊也根據任務類型採用不同規模的語言模型：較大的模型負責規劃工作流程，較小的模型則處理執行任務，藉此降低運算成本並提升效率。

「如果對所有事情都只使用同一種 LLM，就有浪費資金和運算配額的風險，」阿貢計算科學家 Murat Keçeli 說，「我們發現可以先用大模型進行工作流程規劃，再切換到小模型執行任務。」

具備高度擴展性

Aurora 超級電腦負責執行整合於 ChemGraph 中計算密集的量子化學模擬，ALCF 推論服務則提供託管於阿貢系統上的開放權重語言模型存取管道。在本地端運行模型也有助於降低成本，並相較於仰賴外部雲端服務，更能有效解決資料安全疑慮。

由於 ChemGraph 為開源專案，研究人員已開始將其應用範疇拓展至計算化學以外的領域。近期合作已將該框架應用於 X射線吸收近邊緣結構（XANES）光譜模擬，以及在 Aurora 上執行自動化高通量材料篩選工作流程。

研究團隊也看見此框架的教育潛力——教授可藉此示範進階計算化學技術，同時讓學生以更簡便的方式探索研究問題。

「我們對 ChemGraph 的願景，是將其作為服務透過聊天機器人介面提供給 ALCF 用戶，」Keçeli 表示，「從長遠來看，我們希望讓它變得越來越自主……讓科學家能專注於他們真正想解答的科學問題。」

相關研究已發表於期刊《Communications Chemistry》。

原文來源： 查看原文