Китайский суперкомпьютер Sunway совершил прорыв в моделировании квантовой химии с помощью искусственного интеллекта

Китайское исследовательское сообщество в области высокопроизводительных вычислений (HPC) достигло нового рубежа. Ученые, использующие суперкомпьютер Sunway Oceanlite, успешно смоделировали сложные процессы квантовой химии на молекулярном уровне, объединив искусственный интеллект (ИИ) с традиционными суперкомпьютерами.

Проект, в котором задействовано 37 миллионов процессорных ядер , демонстрирует, как модели на основе искусственного интеллекта могут расширить возможности классических вычислений для решения научных задач, ранее считавшихся разрешимыми только с помощью квантовых компьютеров . Это достижение представляет собой значительный шаг вперёд для китайской экосистемы искусственного интеллекта и суперкомпьютеров , а также для более широких глобальных усилий по объединению классических и квантовых вычислений.

Понимание проблемы: квантовая химия на молекулярном уровне

Квантовая химия — одна из самых требовательных областей вычислительной науки. Она стремится понять, как атомы и электроны взаимодействуют на квантовом уровне, — знания, которые лежат в основе достижений в разработке лекарств , материаловедении и исследованиях в области чистой энергии .

Теоретически поведение каждой молекулы можно определить, решив уравнение Шредингера , которое описывает эволюцию квантового состояния системы. Однако с увеличением числа электронов в молекуле число возможных конфигураций, известных как пространство квантовых состояний , растёт экспоненциально .

Например, моделирование молекулы, состоящей всего из нескольких десятков электронов, может потребовать больше вычислений, чем могут выполнить самые современные классические суперкомпьютеры. В результате учёные традиционно полагались на методы аппроксимации для упрощения этих уравнений, но такие методы быстро теряют точность при применении к сложным или сильно коррелированным системам.

Именно поэтому квантовые компьютеры , обрабатывающие информацию квантовыми битами (кубитами), а не двоичными, считаются долгосрочным решением этих проблем. Однако, поскольку масштаб и надёжность практических квантовых компьютеров всё ещё ограничены, исследователи изучают альтернативные подходы, позволяющие приблизить классические вычисления к квантовой точности.

Подход Sunway: объединение ИИ с классическими суперкомпьютерами

Прорыв, достигнутый командой Sunway, является ярким примером этого нового направления.

Вместо того, чтобы пытаться напрямую моделировать квантовые системы с помощью грубой силы, исследователи использовали модель машинного обучения , называемую нейронной сетью квантового состояния (NNQS) . Эта структура на основе искусственного интеллекта может «научиться» аппроксимировать поведение электронов в молекуле, наблюдая за конфигурациями образцов и корректируя их параметры для минимизации ошибок прогнозирования энергии.

Проще говоря, нейронная сеть обучается представлять волновую функцию молекулы — математическую функцию, которая кодирует вероятность того, где, вероятно, находятся электроны. Объединяя физические законы с обучением на основе данных, метод NNQS сочетает масштабируемость ИИ с точностью квантового уровня , открывая новый многообещающий подход к моделированию квантовой химии.

Этот подход, дополненный искусственным интеллектом, позволяет традиционным высокопроизводительным компьютерам моделировать молекулярные системы, которые ранее были недоступны, без необходимости использования полнофункционального квантового оборудования.

Внутри суперкомпьютера Sunway Oceanlite

Эксперимент проводился на китайском суперкомпьютере Sunway Oceanlite — системе нового поколения, разработанной и созданной Национальным суперкомпьютерным центром в Уси . Oceanlite основан на процессоре Sunway SW26010-Pro , содержащем 384 вычислительных ядра на кристалле и поддерживающем высокоточные форматы чисел с плавающей запятой, такие как FP16, FP32 и FP64.

Отличительной чертой этого процессора является его гетерогенная архитектура , включающая небольшое количество управляющих ядер, которые координируют работу миллионов лёгких вычислительных элементов (CPE) . Эти CPE разработаны для массовых параллельных рабочих нагрузок , что делает их идеальными для крупномасштабного моделирования и научных исследований с использованием искусственного интеллекта.

Чтобы воспользоваться преимуществами этой архитектуры, исследователи построили иерархическую модель коммуникации , которая эффективно синхронизировала данные между 37 миллионами ядер. Они также реализовали алгоритм динамической балансировки нагрузки для равномерного распределения рабочих нагрузок, гарантируя, что никакие вычислительные ресурсы не будут простаивать во время выполнения.

Сочетание алгоритмического проектирования и оптимизации оборудования стало ключом к достижению беспрецедентного уровня эффективности, зафиксированного в этом проекте.

Рекордный масштаб и вычислительная эффективность

Целевая система, выбранная командой для моделирования, содержала 120 спиновых орбиталей – меру возможных электронных состояний в молекуле. Моделирование такой системы требует одновременной обработки огромного количества переменных и взаимодействий – что значительно превышает возможности большинства существующих суперкомпьютеров и методов аппроксимации.

Используя суперкомпьютер Sunway Oceanlite, исследователи добились 92% эффективности сильного масштабирования и 98% эффективности слабого масштабирования на 37 миллионах ядер CPE.

В высокопроизводительных вычислениях «сильное масштабирование» измеряет, насколько эффективно система ускоряет фиксированную рабочую нагрузку при добавлении процессоров, тогда как «слабое масштабирование» измеряет, насколько сохраняется производительность при росте нагрузки пропорционально количеству процессоров. Достижение почти идеальных значений по обоим показателям демонстрирует исключительную синхронизацию программного и аппаратного обеспечения — редкое достижение даже среди самых передовых вычислительных систем мира.

Это моделирование 120-орбитальной молекулярной системы представляет собой крупнейший квантово-химический расчёт, когда-либо выполненный с помощью искусственного интеллекта на классическом суперкомпьютере . Это также одна из первых масштабных демонстраций того, как машинное обучение может быть тесно интегрировано с архитектурой высокопроизводительных вычислений для моделирования квантовых систем в молекулярном масштабе.

Последствия для ИИ, квантовых вычислений и суперкомпьютеров

Хотя это достижение не отменяет необходимости в настоящих квантовых компьютерах, оно подчеркивает растущую конвергенцию между искусственным интеллектом , квантовой наукой и высокопроизводительными вычислениями .

Вот некоторые из более широких последствий:

1. Развитие квантовых исследований с использованием искусственных интеллектов
   Квантовые состояния нейронных сетей (NNQS) позволяют исследователям исследовать молекулярные системы и динамику реакций с квантовой точностью, даже без доступа к машинам на основе кубитов.

2. Преодоление разрыва до квантовой зрелости
   Квантовое оборудование по-прежнему ограничено в количестве кубитов, коррекции ошибок и масштабируемости. Моделирование с использованием искусственного интеллекта на суперкомпьютерах экзафлопсного класса, таких как Sunway Oceanlite, обеспечивает практичное промежуточное решение для квантовой химии, физики конденсированных сред и моделирования материалов.

3. Демонстрация возможностей HPC Китая
   Проект подчёркивает сохраняющееся лидерство Китая в области инноваций в области высокопроизводительных вычислений. Система Sunway Oceanlite, наряду с Tianhe и другими национальными объектами, является частью более широкой стратегии Китая по разработке собственных энергоэффективных суперкомпьютерных архитектур.

4. Обеспечение междисциплинарных исследований
   Интеграция алгоритмов ИИ в физические вычисления открывает новые пути для междисциплинарной науки — от вычислительной химии до биофизики и нанотехнологий.

5. Оптимизация для будущих гибридных систем
   Разработанные для этого проекта программное обеспечение и методы масштабирования могут стать основой для будущих гибридных архитектур ИИ–HPC–квантовых вычислений , в которых модели машинного обучения помогают оптимизировать квантовые рабочие нагрузки и наоборот.

Сравнение подходов к суперкомпьютерам и квантовым вычислениям

Традиционные суперкомпьютеры, такие как Sunway Oceanlite, обрабатывают информацию последовательно или параллельно, используя классические биты, которые представляют собой либо 0, либо 1. В отличие от них, квантовые компьютеры работают с использованием кубитов, которые могут существовать в нескольких состояниях одновременно благодаря суперпозиции.

Хотя квантовые машины обещают экспоненциальное ускорение выполнения некоторых задач, их аппаратное обеспечение остаётся экспериментальным и крайне сложно масштабируется. Шум, декогеренция и необходимость коррекции ошибок остаются основными препятствиями.

Используя ИИ для аппроксимации квантового поведения на классическом оборудовании, команда Sunway эффективно добавляет некоторые квантовые преимущества существующей инфраструктуре, не полагаясь на хрупкие кубиты. Этот подход к моделированию с использованием ИИ может стать важным шагом на пути к более широкому внедрению квантово-усовершенствованных вычислений в научные исследования.

Глобальный контекст: гонка за высокопроизводительными вычислениями с использованием искусственного интеллекта

Прорыв Китая произошел на фоне глобальной гонки за интеграцию ИИ в высокопроизводительные вычисления. США, Япония и Европейский союз разрабатывают экзафлопсные системы с ИИ-ускорением , предназначенные для решения смешанных задач в области науки, моделирования климата и обороны.

В США такие системы, как Frontier и Aurora, уже используют ускорение графических процессоров для обучения крупных моделей искусственного интеллекта и проведения масштабных симуляций. Японский суперкомпьютер Fugaku также изучает возможность объединения машинного обучения с физическими моделями.

Отличительной особенностью Sunway является масштаб параллелизма — 37 миллионов синхронно работающих ядер — и использование полностью собственной архитектуры, оптимизированной для ИИ и научных задач. Это подтверждает стремление Китая к технологической самостоятельности в разработке полупроводников и суперкомпьютерного оборудования.

Будущие направления: к интеграции ИИ и квантовых технологий

Исследователи, стоящие за проектом Sunway, заявили, что планируют продолжить совершенствование своей структуры NNQS и изучить ее потенциал для моделирования более крупных и сложных квантовых систем.

В долгосрочной перспективе слияние алгоритмов искусственного интеллекта , суперкомпьютерной инфраструктуры и нового квантового оборудования может проложить путь к созданию гибридных вычислительных экосистем. В таких системах классические HPC-кластеры обеспечивают управление большими объемами данных и машинное обучение, а квантовые процессоры решают конкретные высокоточные подзадачи.

Этот комплексный подход может трансформировать не только квантовую химию , но и такие области, как молекулярная биология , проектирование полупроводников и исследования в области накопления энергии , где поведение квантовых масштабов определяет макроскопические характеристики.

Заключение

Китайский суперкомпьютер Sunway Oceanlite достиг заметного научного и технологического рубежа , используя 37 миллионов процессорных ядер для выполнения моделирования квантовой химии с использованием искусственного интеллекта в беспрецедентных масштабах.

Хотя это пока не заменяет квантовые вычисления, это демонстрирует, как быстро сближаются границы между искусственным интеллектом, высокопроизводительными вычислениями и квантовыми исследованиями . Используя нейронные сети для аппроксимации квантовых систем, исследователи находят практические способы исследования явлений на молекулярном уровне с точностью, ранее недостижимой для классических систем.

Работа отражает как техническую зрелость суперкомпьютерной инфраструктуры Китая , так и глобальную тенденцию к научным открытиям с использованием искусственного интеллекта — путь, который может сформировать следующее поколение вычислительной науки во всем мире.