エネルギー省が新興技術を加速させます

美容とファッションの専門家が、新興技術によるエネルギー省を加速させる

太平洋北西部国立研究所は、計算物理学の専門知識を活用して分子モデリング能力の次世代を進歩させることを目指しています。 ¶ クレジット:ネイサン・ジョンソン/太平洋北西部国立研究所

新興技術のイノベーションサイクルは、アイデアの段階から商業化された技術に移行するまで、年や数十年かかることがあります。これについてエネルギー省の科学事務局長であるアスメレト・アセファウ・ベルヘ氏は、アメリカが世界の競争に先立つためには、これ以上の時間を浪費することはできないと述べています。

その結果、エネルギー省の新しい7300万ドルの「発見から商品化への加速プログラム」が生まれました。2年間のプログラムは、2月に提案を募集して開始され、9月に11件のプロジェクトが採択されることが発表されました。

ベルヘ氏は「既存の利用を基にした基礎研究と応用研究を繋ぐより多くの経路を提供する必要があります。この資金援助により、移行プロセスの課題やギャップを解決するのに役立つでしょう」と説明しています。

主要なプロジェクトの1つである800万ドルのプロジェクトは、大衆向けの計算物理学で、太平洋北西部国立研究所によって指揮されます(各2年間のプログラムは国立研究所が指揮します)。

マイクロソフトとマイクロンとの協力により、太平洋北西部国立研究所(PNNL)はそのプロジェクトを「雲上のエクサスケール計算物理学を可能にするトランスファリングエクサスケール計算化学(TEC4)」と名付けました。その目標は、エクサスケール計算能力を持つ新しい材料の発見を加速するための専門化されたクラウドコンピューティング環境(CCaaS)を提供することです。

PNNLの主任研究員であるカロル・コワルスキーは「オークリッジ国立研究所は既にエクサスケールスーパーコンピュータを持ち、アーゴン国立研究所も今年後半に第2の施設の設置を完了する予定ですが、これらのエクサスケール計算リソースにアクセスするための待ち行列があります」と述べています。「私たちの目標は、クラウド上でエクサスケールパフォーマンスの計算物理学ツールにアクセスできるようにすることです。

この目標を達成するために、PNNLの30人のソフトウェア専門家と共に、中部ミシガン大学、ローレンス・バークレー国立研究所、ルイジアナ州立大学、テキサス大学、ユタ大学の同僚たちが、クラウドで個別に構成可能なソフトウェアワークフローを作成します。これにより、エクサスケールスーパーコンピュータで実現できるパフォーマンスに匹敵する総合的なパフォーマンスが得られます。

これには、MicrosoftのAzureを補完するクラウドアーキテクチャと、Micronが提供するアクセラレータが使用されます。CCaaSのワークフローの各セグメントに応じて構成できるようになっています。PNNLの研究者はすでにMicrosoft Azureのクラウドアーキテクチャを使用して限られた成功を収めており、エネルギー省の「加速」プログラムの助けを借りて、コワルスキー氏はMicronのハードウェア、特に「Compute Express Link」(CXL)を使用してボトルネックを特定し解決することを望んでいます。CXLは、コンピューティングリソースとダイナミックランダムアクセスメモリ間のボトルネックを緩和するために構成可能な設計となっています。

「量子力学レベルで分子間の相互作用をモデル化するためには、ワークフローのさまざまな段階で多くのメモリにアクセスする必要があります」とコワルスキー氏は述べています。「Micronの技術は、CCaaSのために設計されたノベルな機械学習アルゴリズムの実行に不可欠です」。

CCaaSアーキテクチャでは、新しい材料の探索のための計算物理学へのコスト削減とアクセスの拡大が最も重要ですが、同時にエネルギー消費を減らすために、エクサスケールの加速を必要な場所と必要な時にのみ提供することも目指しています。

このプログラムの最初の年は、エクサスケール加速の必要なセグメントを特定し、TEC4計算ワークフローを組み立てることについてです。2年目は、使いやすいCCaaSアーキテクチャを組み立て、DoEに対して動作するアプリケーションを提案することになります。

DoEのデモンストレーションに対して2つのTEC4アプリケーションがターゲティングされます。1つ目は、「永遠の化学物質」(PFASと略されるポリフルオロアルキル物質)に対するスケーラブルな分解方法論を探求します。これらの化学物質は、環境に蓄積されているものであり、時間の経過によって簡単に分解されない、日常の家庭用品の製造に使用されます。2番目のデモンストレーションアプリケーションは、より安全な肥料の製造に使用される「グリーン」触媒化学物質を特定しようとします。

アングストローム時代

プログラムの下で8百万ドルの資金提供を受けるもう一つの国立研究所のプロジェクトでは、ブルックヘブン国立研究所の主任研究員であるChang-Yong Nam氏が率いる、サブナノメートル(アングストローム時代)の半導体デザイン戦略の加速を目指しています。彼の提案した「アングストローム時代の半導体パターニング材料開発アクセラレーター」と題されたプロジェクトでは、極端紫外線(EUV)13.5ナノメートル波長光を使用して1ナノメートル(10アングストローム)以下の半導体のパターニングに必要な改良されたフォトレジストの適時な開発を阻害しているボトルネックを解決することを目指しています。現在のフォトレジストと比較して、現行のフォトレジストは比較的長いEUV露光時間が必要であり、以前の世代の193ナノメートル波長の深紫外線(DUV)光と比べて生産性が最大で60%低下するとNam氏は述べています。

Nam氏によれば、従来の有機フォトレジストの主成分である炭素はEUVに対する感度が低く、パターニングのために長時間露光する必要があります。Nam氏は、スズ、インジウム、ハフニウムなどのEUV感度がより良い無機元素を従来の有機重合体フォトレジストに添加することが解決策であると主張しています。従来の化学合成による無機添加型フォトレジストは複雑で時間がかかるため、Nam氏はより良い方法を模索することがその理由です。

“我々はウェハー上のスピンコーティング工程後に有機フォトレジストに無機元素を気相浸透させることで成功を収めていますが、候補となる無機材料ごとに多くの変数を研究して調節する必要があります。具体的には、添加した無機元素が有機マトリックスと化学的に相互作用しているか、どれくらい添加するべきかといった点から始めます”とNam氏は述べています。

Nam氏のチームは、アングストローム時代のフォトリトグラフィーにおける最適なEUVパターニング性能と異なる変数値を相関させるために機械学習を使用して微調整を試みる予定です。問題の一つは、EUV製造装置が2億ドルもすることで、通常のラボの作業には予算的に手が出せないことです。そのため、Nam氏と彼の同僚は安価な電子ビーム(Eビーム)を使用してEUVに近似し、その後にブルックヘブンとローレンス・バークレー国立研究所のX線シンクロトロンからEUVビームラインを使用する予定です。その考え方は、機械学習を使用してEビームとシンクロトロンビームラインの「代理」変数を調整し、それらをEUVの変数設定に相関させることです。プロジェクトの終了時には、Nam氏と彼の同僚は、適切に調整されたEビームとシンクロトロンビームラインの変数から正しくEUVパラメータを調整するためのルックアップテーブルを機械学習によって作成できることを期待しています。

“また、無機元素がフォトレジストの感度をどのように増加させるのか、これによりハイブリッド材料組成の非常に広い領域の探索が容易になると希望しています”とNam氏は述べています。

ブルックヘブン国立研究所とローレンス・バークレー国立研究所に加えて、テキサス大学とカリフォルニア州立大学もこのプロジェクトに協力します。

国立研究所には、バージニア州のトーマス・ジェファーソン国立加速器施設に2つのプロジェクトが割り当てられています。それらは主任研究員Anne-Marie Valente氏の「AIおよび量子コンピューティング向け持続可能なハードウェアを実現する先進的な超伝導結合プロセス」と、主任研究員John Vennek氏の「産業応用向け次世代高出力コンパクト加速器」です。

Argonne国立研究所では、Jerry Nolen氏が「同位体生産のためのテレロボティクスからテレオートノマスロボティクスへの転換」を監督します。

Oak Ridge国立研究所の主任研究員Venugopal Varma氏は、「維持可能な核融合パイロットプラント」のプロジェクトを監督します。

カリフォルニア州メンローパークのSLAC国立加速器研究所では、Simon Bare氏が「代替原料から燃料および化学物質への持続可能な変換のための触媒の劣化予測を統合するプラットフォーム」と題したプロジェクトに取り組みます。また、主任研究員Julie Segal氏は「3D統合センシングソリューション」のプロジェクトを行います。

最後に、コロラドの国立再生可能エネルギー研究所では、Davinia Salvachua Rodriguez氏が「マイクロ環境による細胞の異質性を解明し、スケーラブルなバイオプロセスを加速するためのリアルタイムセンシングおよび適応型コンピューティング」のプロジェクトを監督します。

これらの11つのプロジェクトは、2023会計年度に3800万ドルの資金が割り当てられました(2023年9月30日終了)。また、2024会計年度にはさらに3500万ドルの資金が支給される予定です。

R. Colin Johnson氏は、2つの十数年間技術ジャーナリストとして活動している京都賞フェローです。

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!

Share:

Was this article helpful?

93 out of 132 found this helpful

Discover more

機械学習

Microsoft BingはNVIDIA Tritonを使用して広告配信を高速化

Jiusheng Chen氏のチームは加速しました。 彼らは、NVIDIA Triton Inference ServerをNVIDIA A100 Tensor Core GPUで実行する...

AIニュース

「Googleのジェミニは私たちが期待していた生成AIモデルではありません」

DeepMindの製品VPであるEli Collins氏は、Gemini Ultraがテキスト、画像、音声、コードの「微妙な」情報を理解できると主張し...

データサイエンス

「GoogleのNotebookLMを使用したデータサイエンス:包括的ガイド」を使ってみよう

このブログ記事では、NotebookLMの機能、制約、および研究者や科学者にとって重要な高度な機能について探求します

データサイエンス

「GPU上の行列乗算」.

このブログでは、最新の行列の乗算がCUDAでどのように実装されるかについて詳しく説明しますNVIDIA GPUのアーキテクチャにつ...

AI研究

スタンフォード大学とDeepMindの研究者が、大規模な言語モデル(LLMs)をプロキシ報酬関数として使用するアイデアを提案しました

コンピューティングとデータの発展に伴い、自律エージェントは力を増しています。エージェントが学習するポリシーに対して人...

AI研究

「強力な遺産:研究者の母が核融合への情熱をかきたてる」

編集者のメモ:これは、高性能コンピューティングを用いて科学を進める研究者を紹介するシリーズの一部です。 高校に入る前、...