Um Milhão de Horas de GPU para Pesquisadores do Reino Unido

Grandes computações, grandes ambições: a nova convocatória de IA para a Ciência

Esta semana, o Department for Science, Innovation and Technology anunciou uma convocatória de computação direcionada que poderá mudar radicalmente as perspetivas a curto prazo para projetos de investigação ambiciosos no Reino Unido. As equipas elegíveis do Reino Unido podem solicitar entre 200.000 e 1.000.000 de horas de unidades de processamento gráfico (GPU) nos sistemas do AI Research Resource — uma escala de computação bruta que permite treinar modelos de grande dimensão, executar campanhas de simulação de meses ou impulsionar experiências de ciclo fechado que associam a IA a laboratórios físicos. O prazo para candidaturas termina às 16h de domingo, 21 de dezembro de 2025.

Um milhão de horas de GPU — o que isso proporciona aos investigadores

As horas de GPU medem o tempo que um único acelerador permanece ocupado. Um milhão de horas de GPU não é um número abstrato: é o equivalente a operar 100 GPUs continuamente durante cerca de um ano, ou operar um cluster de GPUs de médio porte em carga quase total durante muitos meses. Nessa escala, um grupo pode treinar grandes modelos de fundação para domínios científicos, realizar simulações exaustivas de alta resolução para fusão ou descoberta de materiais, ou executar milhares de experiências baseadas em física in silico.

Exemplos práticos onde tais alocações são fundamentais incluem o treino de modelos generativos para design molecular, a realização de grandes conjuntos de simulações de plasma para investigação em fusão, a otimização de materiais de alta fidelidade com substitutos neurais baseados em física, ou o apoio à investigação em tecnologia quântica, onde GPUs clássicas aceleram simulações de modelos de ruído e algoritmos híbridos quântico-clássicos. Muitas destas atividades são computacionalmente exigentes: o progresso real exige frequentemente não apenas astúcia algorítmica, mas um acesso sustentado e acessível a dezenas ou centenas de milhares de horas de GPU.

Áreas prioritárias e objetivos estratégicos

O programa é explicitamente enquadrado como uma convocatória prioritária de "IA para a Ciência". Identifica várias áreas de foco onde a computação poderá desbloquear avanços significativos: biologia de engenharia, física de fronteira (incluindo fusão nuclear), ciência dos materiais, investigação médica e tecnologia quântica. Um objetivo transversal é apoiar projetos que caminhem em direção à descoberta científica automatizada ou autónoma — sistemas que possam gerar hipóteses, desenhar experiências e iterar sem intervenção humana constante.

Esse objetivo eleva as expectativas. Os fluxos de trabalho de descoberta autónoma combinam o treino de modelos, simulação rápida, seleção de experiências e assimilação de resultados — fluxos de trabalho que são simultaneamente pesados em termos computacionais e complexos de orquestrar. Os candidatos que demonstrarem um plano credível para fechar esse ciclo, utilizando GPUs para acelerar os ciclos de decisão em vez de apenas realizar execuções de treino isoladas, estarão a responder à intenção estratégica por trás da concessão.

Quem pode candidatar-se e o que a concessão cobre

A elegibilidade está restrita a candidatos sediados no Reino Unido: universidades, organizações de investigação que se qualifiquem para financiamento nacional de investigação, organismos de investigação do setor público, instituições de caridade e empresas registadas. A convocatória oferece recursos de computação — tempo nos sistemas do AI Research Resource — em vez de uma subvenção para salários, capital ou outros custos; por isso, os projetos devem planear como combinar a concessão de computação com pessoal, software, conjuntos de dados e infraestrutura experimental.

Essa distinção é importante. Receber horas de GPU remove um grande estrangulamento, mas não financia automaticamente as pessoas que constroem modelos, mantêm pipelines ou executam experiências. As equipas devem, portanto, apresentar um plano integrado que mostre tanto a forma como a computação será utilizada como a forma como o projeto será sustentado operacional, técnica e eticamente.

O que os avaliadores provavelmente procurarão

• Ambição científica e clareza: um objetivo bem definido numa das áreas prioritárias, com marcos mensuráveis e um papel claro para a IA.
• Dados e reprodutibilidade: gestão de dados robusta, proveniência e planos para partilhar modelos ou resultados quando apropriado, respeitando os limites de privacidade ou biossegurança.
• Ética e segurança: avaliações de risco para preocupações de duplo uso (especialmente na biologia), consideração do comportamento do modelo e governação para a tomada de decisão automatizada.
• Prontidão institucional: acesso a stacks de software, talento em engenharia e capacidade de integrar a concessão com instalações locais de computação ou laboratórios.

Como isso se encaixa no cenário global de computação

A convocatória surge num contexto de forte investimento público e privado em computação de grande escala. Universidades e laboratórios nacionais em todo o mundo implementaram novos superclusters de GPU e sistemas de IA concebidos para fins específicos; as empresas continuam a construir quintas de GPUs e cadeias de ferramentas aceleradas por GPU. Para muitos grupos do Reino Unido — particularmente equipas mais pequenas, spin-offs ou colaborações que não podem financiar os seus próprios centros de dados de GPU de vários milhões de libras — uma alocação de até um milhão de horas de GPU é um nível de acesso que lhes permite competir em pé de igualdade com intervenientes internacionais bem financiados.

Ao mesmo tempo, esta concessão não é uma solução de infraestrutura permanente. É um conjunto de horas limitado no tempo a ser distribuído por projetos de alta prioridade. Para uma competitividade a longo prazo, os investigadores continuarão a necessitar de estratégias de computação sustentáveis: utilização híbrida de instalações nacionais, parcerias com fornecedores de nuvem comercial e investimento em software que faça os ciclos dispendiosos renderem mais.

Dicas práticas para os candidatos

1. Seja concreto quanto ao orçamento de computação. Apresente uma decomposição das fases de treino, validação, inferência e simulação, e explique como irá medir e limitar os ciclos desperdiçados.
2. Priorize pipelines reprodutíveis. Utilize contentorização, controlo de versões e regras claras de acesso a dados para facilitar aos avaliadores a percepção de que o projeto decorrerá sem problemas.
3. Aborde a governação precocemente. Para projetos relacionados com biologia ou de duplo uso, inclua uma revisão ética e etapas de mitigação de riscos para mostrar que considerou a minimização de danos.
4. Mostre o impacto a jusante. Os financiadores favorecerão projetos onde a computação desbloqueie resultados científicos demonstráveis: modelos validados, materiais prontos para testes laboratoriais, configurações de fusão melhoradas ou protótipos para sistemas experimentais autónomos.

Oportunidades e limitações

O acesso a um grande bloco de horas de GPU pode catalisar trabalhos ambiciosos: prototipar um modelo de fundação baseado em física, acelerar simulações de correção de erros quânticos ou escalar planeadores experimentais baseados em agentes. Mas a computação é apenas um eixo. As equipas ainda precisam de engenharia de software, curadoria de dados, especialização no domínio e, em muitos casos, parceiros experimentais para transformar os resultados dos modelos em descobertas científicas validadas.

Existe também uma seleção implícita: a concessão favorece projetos que consigam absorver e utilizar alocações de computação muito grandes. Projetos mais pequenos, movidos pela curiosidade, que não requerem dezenas de milhares de horas de GPU podem não ser competitivos — um lembrete de que os programas públicos de computação moldam as prioridades de investigação tanto quanto respondem a elas.

Um momento para testar a ciência autónoma

A ênfase da convocatória em permitir a descoberta automatizada e autónoma é digna de nota. Em múltiplos campos — ciência dos materiais, fusão, descoberta de fármacos e engenharia de dispositivos quânticos — os investigadores estão a explorar ciclos fechados que combinam treino de modelos, sugestão de experiências e refinamento iterativo. Esses fluxos de trabalho são inerentemente pesados em termos de computação porque devem suportar muitas avaliações de candidatos e requalificações rápidas.

Esta concessão de computação não se trata, portanto, apenas de fazer versões maiores do que os investigadores já fazem. É um convite para desenhar e testar novos fluxos de trabalho científicos: sistemas de descoberta contínuos e orientados por modelos que poderão mudar a forma como as experiências são planeadas e executadas. Para os grupos do Reino Unido capazes de reunir o software, as parcerias laboratoriais e a governação necessários, o prémio é uma oportunidade a curto prazo para realizar pilotos no mundo real a uma escala anteriormente inalcançável.

A convocatória encerra às 16h de 21 de dezembro de 2025, e será avaliada com base numa mistura de prontidão técnica, ambição científica e implementação responsável. Para as equipas que consigam articular pessoas, dados e código em torno de um plano de computação claro, a oferta de até um milhão de horas de GPU poderá ser o impulso prático que transforma uma ideia intrigante em algo transformador.