L’Argonne National Laboratory del Dipartimento dell’Energia degli Stati Uniti ha avviato un’infrastruttura di AI inference progettata specificamente per la ricerca scientifica open science, introducendo un modello operativo che punta a rendere i foundation model accessibili direttamente all’interno degli ambienti HPC utilizzati dalla comunità scientifica nazionale. Il nuovo servizio, sviluppato attraverso l’Argonne Leadership Computing Facility (ALCF), consente ai ricercatori di utilizzare modelli linguistici e modelli AI scientifici tramite accesso centralizzato e cloud-like, senza dover costruire o mantenere infrastrutture dedicate per l’inferenza.
La piattaforma è stata progettata per operare sopra sistemi di supercalcolo già presenti ad Argonne, tra cui Sophia e Metis, integrando workload AI con pipeline HPC tradizionali. L’obiettivo tecnico è ridurre il tempo necessario per trasformare grandi quantità di dati sperimentali in insight utilizzabili, permettendo ai ricercatori di eseguire inferenza direttamente vicino ai dataset scientifici e ai sistemi di simulazione ad alte prestazioni.
Uno degli aspetti più rilevanti del progetto è l’approccio condiviso all’AI inference. Invece di distribuire modelli separati per ogni laboratorio o gruppo di ricerca, il sistema fornisce un layer centralizzato che permette l’esecuzione parallela di task AI differenti su più modelli contemporaneamente. Questo include LLM generalisti come le serie Gemma di Google, LLaMA di Meta e GPT-OSS, oltre a foundation model scientifici e modelli sviluppati internamente da Argonne, come AuroraGPT.
Dal punto di vista architetturale, il servizio nasce per risolvere un problema crescente nella ricerca scientifica moderna: l’integrazione tra AI generativa, simulazioni HPC ed esperimenti real-time. In discipline come fusione nucleare, fisica delle alte energie, astronomia computazionale e scienza dei materiali, i dataset generati da acceleratori, telescopi e simulazioni exascale stanno raggiungendo volumi incompatibili con workflow di analisi tradizionali. L’inferenza AI viene quindi utilizzata per identificare pattern, guidare esperimenti, automatizzare workflow e accelerare la selezione dei risultati rilevanti.
Il progetto è inoltre strettamente collegato alla Genesis Mission del DOE, iniziativa nazionale statunitense focalizzata sulla costruzione di una piattaforma AI scientifica integrata per accelerare la ricerca strategica e l’innovazione energetica. All’interno di questo ecosistema, il nuovo servizio ALCF fungerà da componente operativa per l’American Science Cloud, collegando supercomputer, sistemi AI, infrastrutture dati e laboratori federali in un ambiente computazionale unificato.
La parte infrastrutturale è sostenuta anche dall’evoluzione del supercomputer Aurora, il sistema exascale di Argonne progettato per workload AI e simulazioni scientifiche ad altissima scala. Aurora integra migliaia di nodi GPU e una rete Slingshot ad altissima velocità, creando un ambiente particolarmente adatto per inferenza distribuita e orchestrazione di modelli AI scientifici.
Con questa iniziativa, Argonne sta di fatto trasformando l’AI inference in un servizio scientifico condiviso, accessibile tramite API e workflow interoperabili, spostando il focus dall’addestramento dei modelli alla loro integrazione diretta nei processi di ricerca e scoperta scientifica.