En miljon GPU-timmar för brittiska forskare

Storskalig beräkningskraft, stora ambitioner: den nya utlysningen för AI inom vetenskap

Denna vecka tillkännagav Department for Science, Innovation and Technology en riktad beräkningsutlysning som radikalt kan förändra de kortsiktiga utsikterna för ambitiösa brittiska forskningsprojekt. Behöriga brittiska team kan ansöka om mellan 200 000 och 1 000 000 GPU-timmar (grafikprocessorenhet) på AI Research Resource-system – en omfattning av rå beräkningskraft som kan träna mycket stora modeller, driva simuleringskampanjer som varar i månader eller möjliggöra experiment med slutna loopar som kopplar samman AI med fysiska laboratorier. Ansökningsfönstret stänger kl. 16.00 söndagen den 21 december 2025.

En miljon GPU-timmar – vad det ger forskarna

GPU-timmar mäter den tid en enskild accelerator är upptagen. En miljon GPU-timmar är ingen abstrakt siffra: det motsvarar att köra 100 GPU:er kontinuerligt i ungefär ett år, eller att driva ett medelstort GPU-kluster vid nästan full belastning under många månader. I den skalan kan en grupp träna stora basmodeller för vetenskapliga domäner, köra uttömmande högupplösta simuleringar för fusion eller materialupptäckter, eller utföra tusentals fysikinformerade experiment in silico.

Praktiska exempel där sådana tilldelningar spelar roll inkluderar träning av generativa modeller för molekylär design, utförande av stora ensembler av plasmasimuleringar för fusionsforskning, genomförande av materialoptimering med hög precision med fysikbaserade neurala surrogatmodeller, eller stöd till kvantteknologisk forskning där klassiska GPU:er accelererar simuleringar av brusmodeller och hybrida kvant-klassiska algoritmer. Många av dessa aktiviteter är beräkningsmässigt krävande: verkliga framsteg kräver ofta inte bara algoritmiskt skarpsinne utan även uthållig och prisvärd tillgång till tiotusentals eller hundratusentals GPU-timmar.

Prioriterade områden och strategiska mål

Programmet presenteras uttryckligen som en prioriterad utlysning för "AI for Science". Det identifierar flera fokusområden där beräkningskraft kan låsa upp banbrytande framsteg: teknisk biologi, banbrytande fysik (inklusive kärnfusion), materialvetenskap, medicinsk forskning och kvantteknologi. Ett övergripande mål är att stödja projekt som rör sig mot automatiserad eller autonom vetenskaplig upptäckt – system som kan generera hypoteser, designa experiment och iterera utan ständig mänsklig inblandning.

Det målet höjer insatserna. Arbetsflöden för autonom upptäckt kombinerar modellträning, snabb simulering, val av experiment och assimilering av resultat – arbetsflöden som är både beräkningsintensiva och komplexa att orkestrera. Sökande som kan visa en trovärdig plan för att sluta den loopen, och använda GPU:er för att accelerera beslutscykler snarare än att bara utföra engångsträningar, kommer att svara mot den strategiska avsikten bakom anslaget.

Vem kan söka och vad anslaget täcker

Behörigheten är begränsad till sökande baserade i Storbritannien: universitet, forskningsorganisationer som är kvalificerade för nationell forskningsfinansiering, forskningsorgan inom den offentliga sektorn, välgörenhetsorganisationer och registrerade företag. Utlysningen erbjuder beräkningsresurser – tid på AI Research Resource-system – snarare än bidrag för löner, kapital eller andra kostnader, så projekt måste planera hur beräkningsanslaget ska paras ihop med personal, programvara, dataset och experimentell infrastruktur.

Den distinktionen är viktig. Att erhålla GPU-timmar tar bort en betydande flaskhals men finansierar inte automatiskt de personer som bygger modeller, underhåller pipelines eller utför experiment. Teamen måste därför presentera en integrerad plan som visar både hur beräkningskraften ska användas och hur projektet ska upprätthållas operationellt, tekniskt och etiskt.

Vad granskarna sannolikt kommer att leta efter

• Vetenskaplig ambition och tydlighet: ett väldefinierat mål inom ett av de prioriterade områdena, med mätbara milstolpar och en tydlig roll för AI.
• Data och reproducerbarhet: robust datahantering, proveniens och planer för att dela modeller eller resultat där så är lämpligt, med respekt för integritets- eller biosäkerhetsgränser.
• Etik och säkerhet: riskbedömningar för dubbla användningsområden (särskilt inom biologi), överväganden kring modellbeteende och styrning för automatiserat beslutsfattande.
• Institutionell beredskap: tillgång till mjukvarustackar, ingenjörstalang och förmåga att integrera anslaget med lokala beräknings- eller laboratoriefaciliteter.

Hur detta passar in i det globala beräkningslandskapet

Utlysningen kommer mot en bakgrund av tunga offentliga och privata investeringar i storskalig beräkningskraft. Universitet och nationella laboratorier över hela världen har tagit i bruk nya GPU-superkluster och specialbyggda AI-system; företag fortsätter att bygga GPU-farmar och GPU-accelererade verktygskedjor. För många brittiska grupper – särskilt mindre team, avknoppningsföretag eller samarbeten som inte kan finansiera egna GPU-datacenter för mångmiljonbelopp – är en tilldelning på upp till en miljon GPU-timmar en nivå av tillgång som kan låta dem konkurrera på mer lika villkor med välfinansierade internationella aktörer.

Samtidigt är detta anslag inte en permanent infrastrukturlösning. Det är en tidsbegränsad pott av timmar som ska fördelas till högprioriterade projekt. För långsiktig konkurrenskraft kommer forskare fortfarande att behöva hållbara beräkningsstrategier: hybridanvändning av nationella anläggningar, partnerskap med kommersiella molnleverantörer och investeringar i programvara som gör att dyra cykler räcker längre.

Praktiska tips för sökande

1. Var konkret gällande beräkningsbudgeten. Ge en uppdelning av faser för träning, validering, inferens och simulering, och förklara hur ni kommer att mäta och begränsa bortkastade cykler.
2. Prioritera reproducerbara pipelines. Använd containerisering, versionskontroll och tydliga regler för datatillgång för att göra det enkelt för granskare att se att projektet kommer att löpa smidigt.
3. Hantera styrningsfrågor tidigt. För biorelaterade projekt eller projekt med dubbla användningsområden, inkludera etisk granskning och riskreducerande åtgärder för att visa att ni har övervägt skademinimering.
4. Visa nedströms påverkan. Finansiärer kommer att prioritera projekt där beräkningskraften låser upp påvisbara vetenskapliga resultat: validerade modeller, laboratorieredda material, förbättrade fusionskonfigurationer eller prototyper för autonoma experimentella system.

Möjligheter och begränsningar

Tillgång till ett stort block av GPU-timmar kan katalysera ambitiöst arbete: prototyper av en fysikinformerad basmodell, acceleration av simuleringar för kvantfelkorrigering eller skalning av agentbaserade experimentplanerare. Men beräkningskraft är bara en axel. Team behöver fortfarande programvaruteknik, datakurering, domänexpertis och i många fall experimentella partners för att omvandla modellutdata till validerade vetenskapliga upptäckter.

Det finns också ett implicit urval: anslaget gynnar projekt som kan absorbera och använda mycket stora beräkningsresurser. Mindre, nyfikenhetsdrivna projekt som inte kräver tiotusentals GPU-timmar kanske inte är konkurrenskraftiga – en påminnelse om att offentliga beräkningsprogram formar forskningsprioriteringar lika mycket som de svarar på dem.

Ett ögonblick för att testa autonom vetenskap

Utlysningens betoning på att möjliggöra automatiserad och autonom upptäckt är anmärkningsvärd. Inom flera fält – materialvetenskap, fusion, läkemedelsutveckling och kvantkomponentteknik – utforskar forskare slutna loopar som kombinerar modellträning, förslag på experiment och iterativ förfining. Dessa arbetsflöden är i sig beräkningsintensiva eftersom de måste stödja många kandidatutvärderingar och snabb omträning.

Detta beräkningsanslag handlar därför inte bara om att göra större versioner av det forskare redan gör. Det är en inbjudan att designa och testa nya vetenskapliga arbetsflöden: kontinuerliga, modelldrivna upptäcktssystem som kan förändra hur experiment planeras och utförs. För brittiska grupper som kan mobilisera nödvändig programvara, laboratoriepartnerskap och styrning, är priset en kortsiktig chans att köra piloter i den verkliga världen i en skala som tidigare varit utom räckhåll.

Utlysningen stänger kl. 16.00 den 21 december 2025, och den kommer att bedömas utifrån en blandning av teknisk beredskap, vetenskaplig ambition och ansvarsfullt genomförande. För team som kan väva samman människor, data och kod kring en tydlig beräkningsplan, kan erbjudandet om upp till en miljon GPU-timmar vara den praktiska knuff som tar en idé från intressant till transformativ.