SON DAKİKA

Nvdia

Elektrikli Araçlar için SES AI’nin NVIDIA Destekli İnovasyonu ile Ulaşımın Geleceğini Hızlandırmak

Elektrikli araçlar (EV’ler), ulaşımı dönüştürüyor, fakat maliyet, dayanıklılık ve menzil gibi zorluklar, yaygın benimsemenin önünde engel teşkil etmeye devam ediyor. Bu zorlukların merkezinde ise pil teknolojisi yer alıyor—özellikle elektrolit, enerji depolama ve aktarımını sağlayan kritik bir bileşen. Elektrolitin özellikleri, bir pilin şarj hızını, güç çıkışını, stabilitesini ve güvenliğini doğrudan etkiliyor.

Bu engellerin üstesinden gelmek için araştırmacılar, yeni pil malzemelerinin keşfini hızlandırma amacıyla yapay zeka (YZ) destekli yöntemlere yöneliyorlar.

SES AI, pil yeniliğinde önde gelen bir isim olarak, NVIDIA’nın en son donanım ve yazılım ekosistemini kullanarak malzeme keşfini devrim niteliğinde bir seviyeye taşıyor. Alan odaklı LLM’leri bir yapay zeka modeli ve GPU hızlandırmalı simülasyonlar ile birleştirerek, SES AI, on yılların araştırmasını aylara indiriyor ve EV pil performansında çığır açan gelişmeleri serbest bırakıyor.

SES AI’nın Pil İnovasyonu Yaklaşımı

SES AI’nın öncü çalışmaları, aşağıdaki temel adımları içermektedir:

  • Moleküler evrenin haritalanması
  • Kimya LLM’lerinin geliştirilmesi
  • Yüksek performanslı pillerin üretilmesi

Moleküler Evrenin Haritalanması

SES AI, küçük moleküllerin fiziksel ve kimyasal özelliklerini haritalamak için kapsamlı bir moleküler sözlük oluşturuyor. Bu çalışma, gelişmiş malzeme keşfinin temelini oluşturuyor. Çalışmalarının merkezinde AIMNet2 (Moleküllerde Atomlar için Sinirsel Ağ) adı verilen bir sinir ağı bulunuyor; Carnegie Mellon Üniversitesi’nden Isayev Laboratuvarı tarafından geliştirilmiş olan bu yapı, moleküler simülasyonların hızını ve doğruluğunu önemli ölçüde artırıyor.

SES AI CEO’su Qichao Hu şu şekilde açıklıyor: “Moleküler evren projemizin amacı, küçük moleküllerin özelliklerini haritleyerek daha iyi enerji depolama cihazları geliştirmektir—uçan arabalar, insansı robotlar, veri merkezleri ve daha fazlası için. AIMNet2 ile NVIDIA ile yaptığımız bu işbirliği sayesinde, birkaç bin yılı sadece birkaç aya indirdiğimiz bu süreci hızlandırdık.”

Kimya LLM’lerinin Geliştirilmesi

SES AI, bilimsel alanlardaki genel zekayı kullanarak, pil malzeme keşfini hızlandırmak için akıl yürütme yeteneklerini geliştiriyor. Alan odaklı Kimya LLM, araştırmacılara yeni nesil pil geliştirme için sezgisel bir araç sağlıyor.

Yüksek Performanslı Pillerin Üretilmesi

SES AI, aday malzemeleri hızlı bir şekilde prototiplerde değerlendirerek önemli performans iyileştirmeleri sergiliyor; bu da daha güvenli ve daha uzun ömürlü EV pillerinin yolunu açıyor.

NVIDIA Platformunu Kullanarak Çığır Açıcı Gelişmeler

SES AI, 100 milyonun üzerinde molekülün geniş çözüm alanında gezinmek için NVIDIA’nın kapsamlı platformunu kullanıyor. Şekil 1, SES AI’nın iş akışını göstermektedir. Burada, önemli yenilikler arasında hızlandırılmış moleküler simülasyonlar, optimize edilmiş etkileşimli veri keşfi ve geliştirilmiş LLM doğruluğu bulunmaktadır.

A workflow diagram shows components including BGR AIMNet2 NIM microservice, data visualization with cuML, the Batched DFT microservice, the world’s largest battery data set, NVIDIA NeMo framework on DGX Cloud, expert recommenders, and experimental validation.
Şekil 1. SES AI’nın NVIDIA destekli iş akışı

NVIDIA simülasyon iş akışlarında 1.6Kx hızlandırma sağlıyor: Skylake CPU’lardan 500 NVIDIA H100 GPU’ya geçişte 20x donanım hızlandırması ve NVIDIA ALCHEMI yazılımı ile 80x hızlandırma.
Kimya LLM doğruluğunda %25 artış: LLM, iç benchmark görevleri için SES AI 70B Akıl Yürütme LLM’sinin Llama-3.1 70B ile karşılaştırılarak doğru cevapların yüzdesini belirler. %25, doğrulukta ortalama artıştır.

Hızlandırılmış Moleküler Simülasyonlar

SES AI, NVIDIA ALCHEMI kullanarak, AIMNet2 NIM mikroservisi ve Batched Density Functional Theory (DFT) mikroservisini kullanarak moleküler yapıları hızla simüle ediyor. Bu araçlar, araştırmacılara bir molekülün elektronik özelliklerini ve enerji depolama potansiyelini belirleyen kritik bir özellik olan HOMO-LUMO aralığını hesaplamalarına olanak tanıyor.

BGR AIMNet2 NIM mikroservisi, her molekül için en stabil moleküler konfigürasyonu bulma sürecini hızlandırmak için kullanılıyor. Batched DFT mikroservisi, GPU’lar için açık kaynaklı, GPU hızlandırmalı Python paketi olan GPU4PySCF ile entegre edilmiştir.

Bu yenilikler sayesinde, SES AI, kuantum kimyası hesaplamalarında eşsiz bir verimlilik sağlıyor.

Etkileşimli Veri Keşfi

SES AI, NVIDIA cuML kullanarak UMAP ile boyut indirgeme ve HDBSCAN ile kümeleme gerçekleştirerek milyonlarca molekülün etkileşimli haritalarını oluşturuyor. Bu araçlar, bilim insanlarının karmaşık veri setlerinde desenler keşfetmelerine ve en umut verici adayları daha hızlı bir şekilde tanımlamalarına yardımcı oluyor.

Kimya LLM’lerini Eğitmek

Sahalarındaki eğitim LLM’lerini 17 milyon bilimsel makaleden gelen 35 milyar token ile eğitmek için SES AI, NVIDIA DGX Cloud ve NVIDIA NeMo kullanmıştır; bu framework, alan odaklı üretici modeller oluşturmayı sağlıyor.

Yüksek model doğruluğu sağlamak için SES ekibi, NeMo Curator özellikleri gibi tam gereksizlik, sayı filtresi, kelime sayısı filtresi, tekrar eden satırlar filtresi ve alfasayısal olmayan filtresi kullanmıştır.

Sonuç, daha doğru ve eyleme geçirilebilir içgörüler sağlayan özelleştirilmiş bir model olmuştur; böylece keşfi benzeri görülmemiş bir hızda hızlandırmaktadır.

Sonuçlar: Pil Teknolojisini Dönüştürmek

SES AI ile NVIDIA arasındaki işbirliği, dikkat çekici sonuçlar elde etmiştir:

  • 17 aday malzeme tespit edildi: İkisi, Massachusetts’teki SES AI’nın Elektrolit Fabrikası’nda sentezlenmiş ve test edilmiştir.
  • Pil döngü ömründe %20 iyileşme: İlk testler önemli performans arttırmalarını göstermektedir.
  • BGR ve DFT iş akışlarında 1.6Kx hızlandırma ve 2x enerji verimliliği: NVIDIA H100 GPU’lar, NVIDIA ALCHEMI’nin BGR AIMNet2 NIM’i ve Batched DFT Mikroservisi ile elde edilmiştir.
  • Veri keşfinde 10 kat hızlanma: NVIDIA cuML tarafından sağlanmıştır.
  • LLM doğruluğunda %25 artış: Kimya LLM, NVIDIA DGX Cloud ve NVIDIA NeMo kullanarak moleküllerin sıralanması ve akıl yürütme görevlerinde temel modelden daha iyi performans göstermektedir.

Bu gelişmeler, şu yenilikleri de beraberinde getirmiştir:

  • Lityum metal piller: Artan performans ve güvenlik sağlar.
  • Yüksek silikonlu lityum iyon piller: Yeni tanımlanan bir çözücü molekül, genişleme sorunlarını zararlı gazlar salmadan yüksek sıcaklıklarda çözer.

Sonuç olarak, SES AI, iki otomotiv OEM ortağıyla EV’ler için elektrolit malzemelerinin geliştirilmesi konusunda anlaşmalar imzalamıştır.

Sürdürülebilirliği Hızlandırılmış İnovasyon ile İleri Taşımak

Tarihsel olarak, gerçekten yenilikçi bir pil elektroliti bulmak beş yıl alıyordu. Bugün, SES AI ve NVIDIA teknolojileri sayesinde önemli kırılmalar her altı ayda bir ortaya çıkıyor. Bu gelişmeler, daha iyi performans, güvenlik ve yaşam döngüsüne sahip EV pilleri vaat ediyor ve sera gazı emisyonlarını azaltmanın yanı sıra küresel düzeyde sürdürülebilir uygulamaları teşvik ediyor.

Yeni malzemelerin hızlı keşfi, teknolojik ilerlemeyi hızlandırmakta, ekonomik büyümeyi teşvik etmekte ve küresel iklim değişikliği ile mücadele çabalarına destek olmaktadır.

Dünya Çapında Araştırmacıları Güçlendirmek

NVIDIA araçları, dünya çapında araştırmacıları malzeme keşfini hızlandırmak için güçlendiriyor:

  • Yeni Nesil Batarya Geliştirme için NVIDIA Batched Geometri Relaxation NIM mikroservisinin indirmek için ne zaman mevcut olacağına dair bildirim almak için kaydolun.
  • Özel üretken modeller oluşturun.
  • cuML Python kütüphanelerini kullanarak daha hızlı makine öğrenimi iş akışları oluşturun.

SES AI gibi ortaklarla birlikte, NVIDIA, enerji depolama geleceğini şekillendiren ve daha sürdürülebilir bir dünya ilham veren yenilikleri hızlandırıyor.

Daha fazla bilgi için son GTC oturumlarına bakın:

Teşekkürler

Katkılarından dolayı Yumin Zhang, Dan Hannah, Vignesh Prabhakar, Md Amirul Islam, Adam Atanas, Richard Chang, Kai Liu, Kang Xu ve Qichao Hu’ya teşekkür ederiz.

Kaynak

Nvdia Blog

Düşüncenizi Paylaşın

E-posta adresiniz yayınlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir

İlgili Teknoloji Haberleri