携手AMD部署先进AI超级计算机,美国能源部力争巩固核聚变等产业领先地位

· 时事动态

10月27日,美国能源部(DOE)宣布计划在橡树岭国家实验室(ORNL)部署两台由AMD提供技术支持的新型人工智能超级计算机,旨在巩固美国在科技领域(包括核聚变)的全球领导地位。

美国橡树岭国家实验室(ORNL)的Frontier超级计算机

一、超级计算机建设规划

依托于新的公私合作模式,美国能源部计划在2026年初部署名为“Lux”的AI集群(Cluster),由AMD Instinct™ MI355X GPU、AMD EPYC™ CPU和AMD Pensando™先进网络技术驱动。该项目将允许能源部与私人伙伴共同投资,从而将超算的建设周期从数年大幅缩短至数月,以快速提升美国在核聚变、材料发现、量子技术等国家优先领域的近期AI算力。

另一方面,美国能源部还将会通过竞争性采购流程建设一台名为“Discovery”超级计算机,预计将于2028年交付。据悉,其性能将远超目前同样位于橡树岭国家实验室、全球第二大超级计算机“Frontier”。Discovery将开创高性能计算、人工智能和量子系统融合的先河,以解决医学、能源、网络安全等领域的尖端科学难题,将科研发现周期从几年缩短至几周。该系统将基于新的HPE Cray Supercomputing GX5000,该平台结合了即将推出的下一代AMD EPYC “Venice”处理器和AMD Instinct MI430X GPU。

Lux和Discovery还将加强能源部在不同站点间安全传输数据、整合建模与实验、并为国家优先事项提供快速解决方案的能力。

此次行动涉及超过10亿美元的公私投资,通过“Lux”实现快速能力部署与通过“Discovery”规划未来优势的双轨战略,共同确保美国在日益激烈的科技竞争中保持其主导地位和创新能力。该模式还允许共享计算能力和基础设施,以实现互利共赢,推动支撑美国科学、能源和工业的技术发展。


“我们感到自豪和荣幸能与美国能源部及赖特部长合作,加速美国的AI计算基础设施建设,”AMD董事会主席兼首席执行官苏姿丰博士(Dr.Lisa Su)表示。“这一合作堪称公私合作的典范。通过Discovery和Lux,我们正在交付兼具性能和能效的领导级计算系统,以推进美国的研究优先事项,并巩固美国在AI、能源和国家安全领域的领导地位。”

二、超级计算机在核聚变领域的应用

据了解,超级计算机与核聚变研究的紧密联系可追溯至20世纪60年代。早期的超级计算机主要用于处理核聚变研究中的复杂计算任务,随着技术进步,其在模拟等离子体行为、优化核聚变反应堆设计等方面的作用愈发显著,其典型应用范围包括但不限于:

1.模拟等离子体行为

  • 物理过程的精确刻画

    :核聚变等离子体涉及复杂的物理现象,如湍流、磁流体动力学(MHD)不稳定性、高能粒子输运等。超级计算机借助高保真模拟,能够精确描述等离子体的温度、密度、速度场等参数的时空演化,为深入理解等离子体物理机制提供关键依据。

  • 跨尺度相互作用的揭示

    :等离子体现象跨越从微观的粒子碰撞到宏观的磁流体动力学过程的多个时空尺度。超级计算机具备同时处理这些跨尺度相互作用的能力,例如研究微观湍流如何影响宏观的等离子体输运性质,以及宏观的MHD模式如何与微观粒子行为相互耦合。

2.优化核聚变反应堆设计

  • 磁场配置优化

    :在托卡马克和仿星器装置中,磁场配置对等离子体的约束和稳定性起着决定性作用。通过大规模数值模拟,超级计算机可以评估不同磁场配置方案的优劣,寻找能够实现高约束模式、降低等离子体不稳定性风险的最优设计。

  • 部件设计与工程优化

    :除了磁场系统,超级计算机还协助设计其他关键部件,如偏滤器(用于等离子体排气和排热)。通过模拟等离子体与偏滤器的相互作用,优化其形状和材料,以提高偏滤器的性能和耐久性,确保等离子体的稳定运行。

3.材料研发支持

  • 极端条件下的材料性能预测

    :核聚变反应堆内部环境极端严苛,材料需承受高温、高能中子辐照和强烈的电磁力。超级计算机通过模拟材料在这些极端条件下的微观结构演变和性能变化,提前预测材料的使用寿命和可靠性。

  • 高通量材料筛选

    :借助高通量计算方法,超级计算机能够快速筛选出具有潜在应用价值的候选材料。通过建立材料基因库,结合机器学习算法,实现对材料性能的快速评估和优化,加速核聚变材料的研发进程。

超级计算作为核聚变研究的关键技术,凭借其强大的百亿亿次处理能力和先进的机器学习技术,将持续推动核聚变能源的发展。通过模拟复杂的等离子体行为,超级计算机能够可靠地预测等离子体性能,管理瞬态现象和等离子体排气,探索燃烧等离子体条件,并开发出能够承受恶劣条件的材料。同时,超级计算机通过分析实验和模拟数据,推进数据驱动的战略,利用机器学习技术实现对等离子体行为的实时预测和控制。这将显著减少研发过程中的试错次数,节省大量的时间和资源。

参考链接:

  • https://www.energy.gov/articles/energy-department-announces-new-public-private-partnership-model-two-supercomputers