Inhalt dieses Beitrags
Intel hat kürzlich das Aurora genAI Modell vorgestellt, ein beeindruckendes generatives KI-Modell mit bis zu einer Billion Parametern. Diese Innovation, welche den bisherigen Supercomputer Aurora ergänzt, zielt auf breite Anwendungen in der Wissenschaft ab und übertrifft damit die Parameteranzahl von bekannten Modellen wie ChatGPT um das 5,7-fache.
Das Aurora genAI Modell – Ein Fokus auf die Wissenschaft
Intel’s neues Modell, das Aurora genAI, wurde speziell für die Wissenschaft entwickelt und auf allgemeine Texte, wissenschaftliche Texte, wissenschaftliche Daten und Codes aus verschiedenen Bereichen trainiert. Potenzielle Anwendungsbereiche reichen von der Systembiologie und Krebsforschung bis hin zur Klimawissenschaft, Kosmologie und Polymerchemie. Die Grundlagen des Modells bilden Megatron und DeepSpeed.
Ein Sprung in der Größe: 1 Billion Parameter
Besonders bemerkenswert an Intels neuem Modell ist das Ziel von 1 Billion Parametern. Im Vergleich dazu hat das bekannte Modell ChatGPT lediglich eine Zielgröße von 175 Millionen. Diese enorme Steigerung der Parameteranzahl hebt die Komplexität und Leistungsfähigkeit des Aurora genAI-Modells hervor.
Kooperation und zukünftige Anwendungen
Das Aurora genAI-Modell wurde in Zusammenarbeit mit dem Argonne National Laboratory und HPE entwickelt und soll eine Vielzahl von wissenschaftlichen Anwendungen unterstützen. Darunter fallen beispielsweise die Entwicklung von Molekülen und Materialien sowie die Synthese von Wissen aus zahlreichen Quellen. Dabei sollen neue und interessante Experimente in verschiedenen wissenschaftlichen Bereichen, wie Systembiologie, Polymerchemie und Energiematerialien, Klimawissenschaft und Kosmologie, angestoßen werden.
“Das Projekt zielt darauf ab, das volle Potenzial des Aurora-Supercomputers zu nutzen, um eine Ressource zu schaffen, die für die nachgelagerte Wissenschaft in den Labors des Energieministeriums und in Zusammenarbeit mit anderen genutzt werden kann”
Rick Stevens, Argonne National Laboratory
Ein weiterer Anwendungsbereich des Modells liegt in der Beschleunigung der Identifizierung biologischer Prozesse im Zusammenhang mit Krankheiten wie Krebs, wodurch neue Ziele für die Arzneimittelentwicklung vorgeschlagen werden können.
