Een miljoen GPU-uren voor Britse onderzoekers

Grote rekenkracht, grote ambities: de nieuwe AI-for-Science-oproep

Deze week kondigde het Department for Science, Innovation and Technology een gerichte oproep voor rekenkracht aan die de vooruitzichten op korte termijn voor ambitieuze Britse onderzoeksprojecten radicaal zou kunnen veranderen. In aanmerking komende Britse teams kunnen tussen de 200.000 en 1.000.000 graphics-processing-unit (GPU)-uren aanvragen op AI Research Resource-systemen — een schaal van pure rekenkracht waarmee zeer grote modellen kunnen worden getraind, simulatiecampagnes van maanden kunnen worden uitgevoerd of closed-loop experimenten kunnen worden aangestuurd die AI koppelen aan fysieke laboratoria. De aanmeldingsperiode sluit om 16:00 uur op zondag 21 december 2025.

Een miljoen GPU-uren — wat het onderzoekers oplevert

GPU-uren meten de tijd dat een enkele versneller bezet is. Een miljoen GPU-uren is geen abstract getal: het is het equivalent van het continu laten draaien van 100 GPU's gedurende ongeveer een jaar, of het gedurende vele maanden op bijna volledige belasting laten draaien van een middelgroot GPU-cluster. Op die schaal kan een groep grote foundation models trainen voor wetenschappelijke domeinen, uitputtende simulaties met hoge resolutie uitvoeren voor kernfusie of de ontdekking van materialen, of duizenden fysica-geïnformeerde experimenten in silico uitvoeren.

Praktische voorbeelden waar dergelijke toewijzingen van belang zijn, omvatten het trainen van generatieve modellen voor moleculair ontwerp, het uitvoeren van grote ensembles van plasmasimulaties voor onderzoek naar kernfusie, het uitvoeren van high-fidelity materiaaloptimalisatie met fysica-gebaseerde neurale surrogaten, of het ondersteunen van onderzoek naar kwantumtechnologie waarbij klassieke GPU's simulaties van ruismodellen en hybride kwantum-klassieke algoritmen versnellen. Veel van deze activiteiten zijn computationeel hongerig: echte vooruitgang vereist vaak niet alleen algoritmische slimheid, maar ook duurzame, betaalbare toegang tot tienduizenden of honderdduizenden GPU-uren.

Prioriteitsgebieden en strategische doelen

Het programma is expliciet geformuleerd als een "AI for Science" prioriteitsoproep. Het identificeert verschillende focusgebieden waar rekenkracht voor baanbrekende sprongen zou kunnen zorgen: engineering biology, frontliniefysica (inclusief kernfusie), materiaalwetenschap, medisch onderzoek en kwantumtechnologie. Een overkoepelende doelstelling is het ondersteunen van projecten die toewerken naar geautomatiseerde of autonome wetenschappelijke ontdekking — systemen die hypothesen kunnen genereren, experimenten kunnen ontwerpen en kunnen itereren zonder constante menselijke tussenkomst.

Dat doel verhoogt de inzet. Autonome ontdekkingsworkflows combineren modeltraining, snelle simulatie, experimentselectie en de verwerking van resultaten — workflows die zowel rekenintensief als complex om te orkestreren zijn. Aanvragers die een geloofwaardig plan kunnen laten zien voor het sluiten van die cirkel, en GPU's gebruiken om beslissingscycli te versnellen in plaats van alleen eenmalige trainingssessies uit te voeren, spelen in op de strategische intentie achter de toekenning.

Wie kan aanvragen en wat de toekenning dekt

Deelname is beperkt tot in het VK gevestigde aanvragers: universiteiten, onderzoeksorganisaties die in aanmerking komen voor nationale onderzoeksfinanciering, onderzoeksorganisaties uit de publieke sector, goede doelen en geregistreerde bedrijven. De oproep biedt rekenkracht aan — tijd op AI Research Resource-systemen — in plaats van een subsidie voor salarissen, kapitaal of andere kosten. Projecten moeten daarom plannen hoe ze de toekenning van rekenkracht koppelen aan personeel, software, datasets en experimentele infrastructuur.

Dat onderscheid is belangrijk. Het ontvangen van GPU-uren neemt een belangrijke bottleneck weg, maar financiert niet automatisch de mensen die modellen bouwen, pijplijnen onderhouden of experimenten uitvoeren. Teams moeten daarom een integraal plan presenteren dat laat zien hoe de rekenkracht zal worden gebruikt en hoe het project operationeel, technisch en ethisch zal worden ondersteund.

Waar beoordelaars waarschijnlijk naar zullen kijken

• Wetenschappelijke ambitie en helderheid: een goed gedefinieerd doel in een van de prioriteitsgebieden, met meetbare mijlpalen en een duidelijke rol voor AI.
• Data en reproduceerbaarheid: robuust datamanagement, herkomst (provenance) en plannen om modellen of resultaten te delen waar passend, met inachtneming van privacy- of bioveiligheidsgrenzen.
• Ethiek en veiligheid: risicobeoordelingen voor dual-use zorgen (vooral in de biologie), overweging van modelgedrag en governance voor geautomatiseerde besluitvorming.
• Institutionele gereedheid: toegang tot softwarestacks, technisch talent en het vermogen om de toekenning te integreren met lokale reken- of laboratoriumfaciliteiten.

Hoe dit past in het mondiale landschap van rekenkracht

De oproep komt tegen een achtergrond van zware publieke en private investeringen in grootschalige rekenkracht. Universiteiten en nationale laboratoria wereldwijd hebben nieuwe GPU-superclusters en speciaal gebouwde AI-systemen ingezet; bedrijven blijven GPU-farms en GPU-versnelde toolchains bouwen. Voor veel Britse groepen — met name kleinere teams, spin-offs of samenwerkingsverbanden die hun eigen miljoenenpond kostende GPU-datacenters niet kunnen financieren — is een toewijzing van maximaal een miljoen GPU-uren een niveau van toegang waarmee ze op een meer gelijkwaardig niveau kunnen concurreren met goed gefinancierde internationale spelers.

Tegelijkertijd is deze toekenning geen permanente infrastructurele oplossing. Het is een in de tijd beperkte pool van uren die verdeeld wordt over projecten met een hoge prioriteit. Voor concurrentiekracht op de lange termijn zullen onderzoekers nog steeds behoefte hebben aan duurzame strategieën voor rekenkracht: hybride gebruik van nationale faciliteiten, partnerschappen met commerciële cloudproviders en investeringen in software die dure cycli efficiënter maakt.

Praktische tips voor aanvragers

1. Wees concreet over het rekenbudget. Geef een uitsplitsing van de trainings-, validatie-, inferentie- en simulatiefases, en leg uit hoe u verspilde cycli zult meten en beperken.
2. Geef prioriteit aan reproduceerbare pijplijnen. Gebruik containerisatie, versiebeheer en duidelijke regels voor datatoegang om het voor beoordelaars gemakkelijk te maken om te zien dat het project soepel zal verlopen.
3. Regel de governance vroegtijdig. Voeg voor biogerelateerde of dual-use projecten een ethische toetsing en stappen voor risicobeperking toe om aan te tonen dat u schadebeperking heeft overwogen.
4. Toon de downstream impact aan. Financiers zullen de voorkeur geven aan projecten waarbij de rekenkracht aantoonbare wetenschappelijke resultaten ontsluit: gevalideerde modellen, materialen klaar voor de testbank, verbeterde fusieconfiguraties of prototypes voor autonome experimentele systemen.

Kansen en beperkingen

Toegang tot een groot blok GPU-uren kan ambitieus werk katalyseren: het prototypen van een fysica-geïnformeerd foundation model, het versnellen van simulaties voor kwantumfoutcorrectie of het opschalen van agent-gebaseerde experimentele planners. Maar rekenkracht is slechts één as. Teams hebben nog steeds software-engineering, datacuratie, domeinexpertise en in veel gevallen experimentele partners nodig om modeloutputs om te zetten in gevalideerde wetenschappelijke ontdekkingen.

Er is ook een impliciete selectie: de toekenning bevoordeelt projecten die zeer grote toewijzingen van rekenkracht kunnen absorberen en gebruiken. Kleinere, door nieuwsgierigheid gedreven projecten die geen tienduizenden GPU-uren nodig hebben, zijn mogelijk niet competitief — een herinnering dat publieke programma's voor rekenkracht onderzoeksprioriteiten evenzeer vormen als dat ze erop reageren.

Een moment om autonome wetenschap te testen

De nadruk van de oproep op het mogelijk maken van geautomatiseerde en autonome ontdekking is opmerkelijk. In meerdere vakgebieden — materiaalwetenschap, kernfusie, geneesmiddelenonderzoek en engineering van kwantumcomponenten — verkennen onderzoekers closed loops die modeltraining, suggesties voor experimenten en iteratieve verfijning combineren. Die workflows zijn inherent rekenintensief omdat ze vele kandidaat-evaluaties en snelle hertraining moeten ondersteunen.

Deze toekenning van rekenkracht gaat daarom niet simpelweg over het doen van grotere versies van wat onderzoekers al doen. Het is een uitnodiging om nieuwe wetenschappelijke workflows te ontwerpen en te testen: continue, modelgestuurde ontdekkingssystemen die de manier waarop experimenten worden gepland en uitgevoerd kunnen veranderen. Voor Britse groepen die in staat zijn de nodige software, laboratoriumpartnerschappen en governance te mobiliseren, is de prijs een kans op korte termijn om praktijkpilots uit te voeren op een schaal die voorheen onbereikbaar was.

De oproep sluit om 16:00 uur op 21 december 2025 en zal worden beoordeeld op een mix van technische gereedheid, wetenschappelijke ambitie en verantwoorde inzet. Voor teams die mensen, data en code kunnen samenbrengen rond een helder rekenplan, kan het aanbod van maximaal een miljoen GPU-uren het praktische zetje zijn dat een idee van intrigerend naar transformationeel tilt.