AI在线 AI在线

AI发现新物质,仅用200小时!不写一行代码,筛选36.7万种物质

一行代码都不用写,全靠AI,在200小时内发现一种全新物质! 如果使用传统方法,这个过程可能需要花费几个月甚至几年时间。 这个立大功的AI,就是微软刚刚在Build大会上推出的Microsoft Discovery。

一行代码都不用写,全靠AI,在200小时内发现一种全新物质!

如果使用传统方法,这个过程可能需要花费几个月甚至几年时间。

这个立大功的AI,就是微软刚刚在Build大会上推出的Microsoft Discovery

它是一个企业级AI科研平台,结合了专业AI Agent与高性能计算。

微软表示,推出Microsoft Discovery,是为了跨越领域专家和计算能力之间的鸿沟,把AI的力量带给科学家和工程师。

以更快速度、更大规模和更高精度推动科学成果。

发现新物质,时间从n个月压缩到200小时

事情是这样的——

微软用Microsoft Discovery解决了一个数据中心真实面对的难题,即寻找不含PFAS(全氟/多氟烷基物质)成分的冷却剂。

目前而言,数据中心的冷却方法往往依赖于有害化学品。

PFAS就是一种广泛用于冷却系统,但逐步被全球监管禁止的“永不分解”化学物质。

微软研究人员使用Microsoft Discovery筛选了367000种潜在的替代品。

约200小时内,研究人员利用在Microsoft Discovery识别出了可能用来替代的冷却剂,然后将结果交给合作方进行合成验证。

最后,微软还展示了用这种冷却剂来冷却运行视频游戏的GPU的效果。

图片图片

尽管这项具体应用仍处于实验阶段,但此时的一小步,却是这个领域的一大步。

微软表示,这说明了用上Microsoft Discovery,原本可能需要几个月乃至几年的开发过程,现在只需要几个月就能完成。

而且是每一个领域。

因为微软推出Microsoft Discovery,就是为了通过自然语言交互,让没有编程背景的研究人员也能使用超级计算能力与复杂模拟系统

除了这个领域外,微软已经开始推动Microsoft Discovery在医药、芯片设计、工程制造等领域的应用。

一直以来,科学家往往需要学习编程语言才能使用复杂的计算平台,这造成了研究瓶颈。

“我的博士专业是生物学,我不是计算机科学家。”微软战略任务与技术副总裁Jason Zander表示,“如果你能让我仅仅通过提示词,就解锁超算的能力,那真的给予了非编程人员很强大的助力。”

没错,作为一个企业级平台,Microsoft Discovery的使用方式和普通AI一样,非常简便。

使用者可以通过一个类似Copilot的界面,与AI通过自然语言互动,来指导上面专业化的AI Agent

图片图片

也可以定制与自身流程匹配的AI,将专业知识编码为Agent能力,这样一来,无需依赖传统编码工具就能搭建端到端的实验流程,协助科研团队完成整个研究任务。

对于中小型科研机构来说,这种平台可以省去招聘专门编程人员的成本,让领域专家用大白话提问、建模、做实验,从而大幅降低先进科研的准入门槛。

Microsoft Discovery如何炼成?

要实现这个目标,那么理想中的平台既需要理解科学领域,又能管理科学思维中的认知过程。

该Microsoft Discovery平台结合了两个关键组件:

  • 基础模型:用于规划。
  • 专业模型:针对特定科学领域(如物理学、化学和生物学)训练。

这种方法的独特之处,在于把通用人工智能能力与深入的专业科学知识相结合。

两种模型组成了Microsoft Discovery背后的“AI博士后”团队——这些专业Agent可以执行科学过程中,从文献综述到计算模拟的各个方面。

同时,Microsoft Discovery具备以下能力:

  • 在复杂知识图谱中推理;
  • 跨领域任务专业化;
  • 从结果中学习并动态调整研究计划。

现在发展最迅速的大模型,虽然能加速信息检索和假设生成,但缺乏对分散、复杂甚至矛盾科学数据的深度语境理解。

为此,Microsoft Discovery引入了图谱知识引擎。

图谱知识引擎不仅可以进行检索事实,同时能够构建专有数据与外部科研间的关联图谱,深入理解跨学科冲突理论、实验结果及潜在假设。

在此基础上,Microsoft Discovery还实现了协同推理

其推理过程透明,通过详细来源追踪和逻辑链保持专家参与,确保可信度与可验证性。

此外,与传统孤立流程不同,Microsoft Discovery支持持续迭代的研发循环

与此同时,微软Copilot作为科学助手,基于研究者指令协调各个Agent,整合AI与HPC模拟。

最后,Microsoft Discovery基于Azure基础设施打造,降低使用门槛。

平台现已开放私密预览,定价尚未公布。

微软表示,小型实验室可通过Azure接入平台,费用按云服务模式计费。

One More Thing

目前,Microsoft Discovery依托传统高性能计算,但它的架构预留了未来连接量子计算的能力。

“我们正在探索如何将智能体AI与算力优势结合,甚至延伸到量子计算,并将其应用在最重要的领域:科学研究。”微软表示。

参考链接:[1]https://azure.microsoft.com/en-us/blog/transforming-rd-with-agentic-ai-introducing-microsoft-discovery/[2]https://venturebeat.com/ai/microsoft-just-launched-an-ai-that-discovered-a-new-chemical-in-200-hours-instead-of-years/[3]https://www.youtube.com/watch?v=R8d5JsJ9R64

相关资讯

美国与欧盟计划借助 AI 寻找半导体生产中“永久化学品”PFAS 替代品

感谢据美国白宫官网,美国-欧盟贸易和科技委员会在近日的联合声明中表示计划借助 AI 寻找半导体生产中“永久化学品”PFAS 的替代品。这份声明是在该委员会于 4 月 4~5 日举办的第六次部长级会议上公布的。声明宣称:我们计划继续努力寻找在芯片中使用全氟和多氟物质(PFAS)的替代品的研究合作机会。例如,我们计划探索使用 AI 能力和数字孪生来加速发现合适的材料,以取代半导体制造中的 PFAS。PFAS 类有机物包含由完全氟化的碳原子组成的碳原子链。由于碳氟键的高强度,PFAS 具有化学惰性,难以同其他物质反应,故
4/7/2024 10:33:00 AM
溯波(实习)

如何用AI预测性维护数据中心降低40%故障率

数据中心故障困境:传统维护的力不从心在数字化浪潮汹涌澎湃的当下,数据中心已然成为现代业务运营的中流砥柱。 从金融机构的在线交易处理,到电商平台的订单管理与物流追踪;从社交媒体的海量数据存储与实时交互,到医疗行业的患者信息管理与远程诊疗支持,数据中心支撑着各个领域的关键业务流程,其重要性不言而喻。 一旦数据中心出现故障,带来的后果将是灾难性的。
2/24/2025 2:00:28 PM
专业

数据中心维护的未来发展

人工智能(AI)和高性能计算(HPC)加快了采用新的冷却和电源技术的步伐,加剧了数据中心维护中的资源可用性挑战,特别是规模和容量。 随着技术和操作需求的发展,传统的基于间隔的预防性维护方法可以得到改进,以进一步降低昂贵的设备停机风险。 人工智能与机器学习算法的发展为帮助数据中心的维护计划变得具有预测性奠定了基础。
1/21/2025 3:04:42 PM
Harris编译
  • 1