de.wedoany.com-Bericht: Vor dem Hintergrund der tiefgreifenden Integration von Künstlicher Intelligenz in die wissenschaftliche Forschung verändert sich die Rolle von Hochleistungsrechenanlagen erheblich. Thomas Uram, Leiter des Teams für Datendienste und Workflows am Argonne National Laboratory, erklärte kürzlich auf der ISC 2026, dass die nächste Generation von Hochleistungsrechenanlagen nicht nur Rechenressourcen bereitstellen, sondern als integrierte Plattformen die wissenschaftliche Entdeckung aktiv unterstützen werden.
Uram zufolge besteht der Kern dieses Wandels darin, KI-Fähigkeiten direkt in die Anlagen zu integrieren, anstatt sie als separate Werkzeuge zu betrachten. Das Argonne National Laboratory baut neben seinen traditionellen HPC-Systemen dedizierte KI-Infrastrukturen auf, darunter die auf Inferenz spezialisierten Plattformen Sofia (A100), Minerva (B200) und Tara (GH200). Obwohl Aurora weiterhin die primäre Rechenplattform ist, wurden die anderen Plattformen speziell für KI-Inferenzdienste hinzugefügt. Forscher können über einen zentralisierten Inferenzdienst auf Dutzende von großen Sprachmodellen mit offenen Gewichten und domänenspezifische wissenschaftliche Modelle zugreifen.
Uram wies darauf hin, dass viele wissenschaftliche Arbeitslasten keine teuren Spitzenmodelle mehr benötigen. Forscher können über gemeinsame Inferenzdienste offene Modelle nutzen, ohne eigene Infrastrukturen aufbauen oder verwalten zu müssen. Damit KI jedoch Teil wissenschaftlicher Arbeitsabläufe wird, muss sie mit HPC-Systemen interagieren können – KI-Agenten müssen auf Rechenressourcen zugreifen, Jobs einreichen und die Arbeit über mehrere Systeme hinweg koordinieren können. Uram betonte, dass Hardware, Inferenzdienste und Job-Einreichungsfähigkeiten gemeinsam die Grundlage für KI-Workflows bilden.
Diese Fähigkeiten werden bereits in mehreren wissenschaftlichen Disziplinen eingesetzt. An der Synchrotron-Röntgenanlage des Argonne National Laboratory – der Advanced Photon Source – werden experimentelle Daten automatisch an die Argonne Leadership Computing Facility übertragen, auf den Rechenressourcen analysiert und die Ergebnisse während des Experiments zurückgesendet. Diese Infrastruktur wird nun für KI-basierte Bildsegmentierung genutzt, die es Wissenschaftlern ermöglicht, Tomographiedaten nahezu in Echtzeit zu analysieren. In der Fusionsforschung haben Forscher nur 20 Minuten Zeit zwischen den Experimentzyklen, um Ergebnisse zu analysieren. KI-Inferenzdienste und automatisierte Workflows ermöglichen eine sofortige Datenverarbeitung. Die Forscher möchten diese Fähigkeiten auch mit digitalen Zwillingen kombinieren, um sie parallel zu Echtzeitexperimenten auszuführen.
Mit Blick auf die Zukunft beschrieb Uram KI-Agenten, die über die Analyse von Ergebnissen hinausgehen. Am Beispiel der Wirkstoffforschung kann ein Inferenzagent Problemlösungen planen, mit dem System interagieren, Simulationen ausführen, die Simulationsergebnisse und deren Auswirkungen auf das Ziel in einer geschlossenen Schleife untersuchen und kontinuierlich neue Simulationsaufgaben generieren, bis ein Ergebnis erreicht ist. Dieser Ansatz ermöglicht es Forschern, viele Targets zu testen und durch KI-gesteuerte Prozesse bessere Targets zu identifizieren. Urams Vortrag unterstrich, dass sich HPC-Anlagen von reinen Rechenanbietern zu Plattformen entwickeln, die KI-Inferenz, Workflow-Orchestrierung und programmierbaren Zugriff integrieren, um wissenschaftliche Entdeckungen zu unterstützen. Diese Veränderung könnte die Art und Weise, wie Wissenschaftler mit Supercomputern interagieren, und das Design zukünftiger HPC-Anlagen grundlegend verändern.
