州级AI超算计划加速科研民主化
将 ScienceAI 设为星标，第一时间掌握新鲜的 AI for Science 资讯。
SWAXSFold：本土化AI蛋白质结构预测新路径
2024年诺贝尔化学奖授予Google DeepMind团队及其AlphaFold系统——该系统可根据氨基酸序列精准预测蛋白质三维结构。但蛋白质具有动态可变性，在pH值、温度等环境变化下会发生构象转变。为此，纽约大学结构生物学家Thomas Grant正开发本土AI衍生模型SWAXSFold，不依赖谷歌庞大算力即可实现变构态建模。
图示：Empire AI 的首台机器 Alpha。
Empire AI：5亿美元打造学术AI算力基础设施
当前，高端AI芯片价格高昂，单块GPU达数万美元，多数高校难以承担。与此同时，硅谷科技巨头持续囤积先进硬件用于机器人竞赛。为破解这一瓶颈，纽约州推出为期10年、总投入5亿美元的Empire AI计划，为本地研究人员提供专用AI算力支持[2]。
该计划已于去年启动，首台超级计算机Alpha已由Simons基金会捐赠并部署于布法罗大学（UB），配备近200块NVIDIA最新GPU；第二台Beta机将于近期启用，采用更先进的Blackwell架构芯片，性能较Alpha提升一个数量级，其通信效率甚至超越能源部El Capitan超算[3]。
图示：Empire AI。
成立首年，Empire AI已服务纽约州内350余名研究人员。纽约大学神经科学家Christine Constantinople表示，其虚拟神经网络训练周期从一周缩短至一天，显著提升了模型迭代与架构探索效率[4]。
按规划，2027年前将建成第三台超算Gamma（性能为Beta的10倍）及第四台Delta，确保项目全程始终保有一台处于技术前沿的设备[5]。
多州联动：CalCompute与联邦协同推进AI科研普惠
类似举措正向全美扩散。加州已于2024年9月通过SB-53法案，启动CalCompute计划，依托加州大学（UC）系统建设面向学术界的AI专用算力平台[6]。
斯坦福大学Russell Wald指出，此类计划并非对标DeepMind或OpenAI，而是致力于AI计算资源“民主化”，使物理、化学、材料、神经科学等多学科研究者能基于公共利益开发工具，摆脱商业化束缚[7]。
美国国家科学基金会（NSF）CloudBank计划亦同步发力，已为400多名研究人员对接亚马逊云、谷歌云及DOE超算资源。但联邦级超算多基于传统CPU架构，擅长物理模拟，却非AI训练最优解——GPU主导的AI算力缺口依然突出[8]。
未来关键挑战在于协调州级倡议与联邦支持，构建可持续、公平、可扩展的AI科研基础设施体系[9]。
人工智能 × [ 生物 神经科学 数学 物理 化学 材料 ]
「ScienceAI」关注人工智能与其他前沿技术及基础科学的交叉研究与融合发展。