Cette collaboration permettra d'utiliser la recherche en IA pour lutter contre les changements climatiques, identifier les facteurs de maladies et accélérer la découverte de médicaments.
Nouveauté : Intel a annoncé une collaboration stratégique de recherche et de co-innovation de trois ans avec Mila, un institut de recherche en intelligence artificielle (IA) basé à Montréal. Dans le cadre de cet engagement renouvelé, plus de 20 chercheur·e·s d'Intel et de Mila se concentreront sur le développement de techniques d'IA avancées pour relever des défis mondiaux tels que les changements climatiques, la découverte de nouveaux matériaux et la biologie numérique.
« Face aux défis mondiaux actuels, nous devons favoriser l’instauration d’une culture basée sur la science ouverte entre le monde universitaire et l'industrie afin de faire progresser les applications de l'IA au profit de la société. Nous sommes ravis de collaborer avec Intel pour explorer rapidement des nouveaux matériaux nécessaires pour améliorer la capture du carbone, accélérer la découverte de médicaments et permettre un avenir plus durable. »– Yoshua Bengio, fondateur et directeur scientifique de Mila
Kavitha Prasad, VP et DG Datacenter, AI and Cloud Execution and Strategy chez Intel, a déclaré : « La résolution de problèmes complexes tels que les changements climatiques et la découverte de nouveaux matériaux nécessitent une recherche approfondie en matière d'IA, associée à une expertise et à un engagement à faire progresser les technologies informatiques de pointe. L'annonce d'aujourd'hui jouera un rôle essentiel dans la mise en lumière d'informations clés pour les chercheurs et dans la promotion des innovations technologiques. Nous sommes impatients de faire équipe avec Mila pour relever les défis auxquels nous sommes confrontés aujourd'hui et créer un monde meilleur pour les générations futures grâce à la technologie. »
Pourquoi c’est important : Accélérer la recherche et le développement de l'IA avancée pour résoudre certains des problèmes les plus critiques et les plus difficiles du monde nécessite une approche responsable de l'IA et la capacité de faire évoluer la technologie informatique. En tant que leaders dans le domaine de l'informatique et de l'IA, et animés par la volonté d'être des agents de changement positifs et puissants, Intel et Mila seront en mesure de faire avancer davantage les projets entamés en 2021, d'ajouter un troisième champ d’action et d'augmenter considérablement le soutien pour obtenir des résultats tangibles.
Cette collaboration renouvelée se concentrera sur :
L’automatisation de la découverte de nouveaux matériaux par l'IA – Les progrès des techniques de simulation chimique, comme la théorie de la fonctionnelle de la densité, ont permis de créer des méthodes capables de simuler des propriétés importantes de systèmes matériels complexes. Ces techniques sont toutefois limitées dans la complexité des systèmes de matériaux qu'elles peuvent modéliser en raison de l'échelle défavorable du coût de calcul lorsque le nombre d'atomes augmente. Les techniques d'IA, en particulier les réseaux neuronaux graphiques (GNN), permettent de s’approcher des simulations chimiques avec un coût de calcul nettement inférieur, notamment lorsque la taille du système augmente. L'utilisation de techniques de simulation basées sur l'IA pour reproduire des systèmes de matériaux plus complexes est donc très prometteuse. La découverte potentielle de nouveaux matériaux pourrait contribuer à réduire les coûts et l'empreinte carbone.
Intel et Mila collaboreront au développement d'innovations scientifiques et technologiques visant à améliorer les performances des GNN sur les simulations atomistiques, comme l’Open Catalyst dataset. Ces efforts ont le potentiel de démocratiser la capacité des chercheur·e·s à utiliser les données sur les matériaux atomistiques en améliorant le pipeline technologique correspondant. Les équipes de recherche travailleront à la création de cadres basés sur l'apprentissage pour effectuer des recherches efficaces dans les vastes espaces de recherche que l'on trouve dans les applications de conception de matériaux. Ces cadres peuvent s'inspirer de notions issues de l'apprentissage par renforcement, d'algorithmes de recherche, de modèles génératifs, ainsi que d'autres algorithmes d'apprentissage automatique, notamment les réseaux de flots génératifs mis au point par Mila.
Application de l'apprentissage automatique causal à la science du climat – Si les modèles climatiques standard basés sur la physique peuvent aider à prévoir les effets des changements climatiques, ils sont complexes et coûteux en termes de calcul. Il faut souvent des mois pour les exécuter, même sur des superordinateurs spécialisés, ce qui réduit la fréquence des simulations et la possibilité de fournir des prévisions granulaires et localisées. En outre, ces modèles sont généralement incapables d'expliquer le raisonnement ou les relations causales qui sous-tendent leurs prédictions. Intel et Mila visent à combler cette lacune en construisant un nouveau type d'émulateur de modèle climatique basé sur l'apprentissage automatique causal afin d'identifier les variables prédictives parmi les données d'entrée hautement dimensionnelles des modèles climatiques traditionnels. Le projet vise à permettre des avancées significatives dans la science du climat et à informer directement les décideurs en permettant des prédictions approfondies et fiables des effets des changements climatiques.
Accélérer l'étude des facteurs moléculaires des maladies et la découverte de médicaments – La découverte de médicaments est un long processus qui coûte en moyenne 2,6 milliards de dollars (US$) par médicament approuvé. Ce coût est élevé car trouver une petite molécule qui se lie à une cible particulière est un processus périlleux et très incertain qui peut prendre plus de dix ans. En outre, même lorsqu'une molécule est trouvée, il est possible qu'elle échoue à des stades ultérieurs.
Les chercheur·e·s d'Intel et de Mila travailleront ensemble pour identifier plus rapidement et plus simplement de meilleures molécules candidates aux médicaments. Par exemple, la prédiction de phénotypes complexes, y compris de maladies basées sur le génotype de polymorphismes mononucléotidiques (SNP), est un défi de longue date en biologie numérique car la plupart des phénotypes sont affectés par de nombreux SNP à travers le génome. Le principal défi informatique consiste à apprendre conjointement les effets causaux de tous les SNP du génome sur les phénotypes, en utilisant des données de population à grande échelle. La solution exacte a un espace de recherche d’une taille exponentielle au nombre de SNP. Avec des millions de SNP détectés, la solution exacte est difficilement calculable. Toutefois, grâce à la disponibilité de données à haute résolution, aux nouvelles percées en IA et à la croissance de la densité de calcul induite par la Loi de Moore, Intel et Mila prévoient développer des techniques d'IA pour :
- Comprendre les facteurs moléculaires à l'origine des maladies, en prédisant des phénotypes complexes, y compris des maladies basées sur le génotype des SNP.
- Identifier les molécules médicamenteuses les plus prometteuses. Les nouvelles techniques d'IA mises en œuvre par Intel et Mila aspirent à réduire considérablement ce coût et à mettre plus rapidement sur le marché des médicaments transformateurs.
