Инновационная междисциплинарная команда исследователей LLNL объединяет мощь экзафлопсных вычислений с искусственным интеллектом, передовыми рабочими процессами и ускорением графических процессоров для продвижения научных инноваций и революционного цифрового проектирования экспериментов по высокопроизводительному термоядерному синтезу с инерционным удержанием (ICF).
Проект, получивший название ICECap (Инерционное удержание на Эль-Капитане), представляет собой преобразующий подход к оптимизации конструкции ICF, ориентированный в первую очередь на Эль-Капитан, первый эксафлопсный компьютер Национальной администрации по ядерной безопасности (NNSA).
Размещенный в LLNL и запланированный к развертыванию позднее в этом году, El Capitan, по прогнозам, превысит 2 ExaFLOP (два квинтиллиона вычислений в секунду) пиковой вычислительной производительности для обслуживания Tri-Labs NNSA (LLNL, Национальная лаборатория Лос-Аламоса и Национальные лаборатории Сандии). ).
В основе ICECap лежит открытие следующего поколения надежных и высокопроизводительных конструкций ICF, расширение возможностей вычислительной науки и формирование будущего науки о плазме посредством новых технологий. ICF имеет последствия для NNSA миссия по управлению запасами, а также жизнеспособность в будущем термоядерные электростанции.
Описано в бумага опубликовано в журнале Физика плазмыICECap представляет собой шаг вперед в области высокопроизводительных вычислений (HPC), создавая основу для эпохи, когда «беги героев» — крупномасштабные мультифизические симуляции — становятся рутиной.
Члены команды ICECap заявили, что, уделяя особое внимание подходам, основанным на данных, к цифровому проектированию и компьютерному моделированию, проект имеет потенциал не только для ускорения развития науки, но и для трансформации способов проведения учеными исследований и продвижения достижений в различных дисциплинах, предлагая новые решения ранее несостоятельных задач. проблемы.
«С помощью ICECap мы пытаемся понять, как мы можем использовать ИИ, чтобы действительно изменить способ научных открытий», — сказал главный исследователь ICECap Люк Петерсон, физик LLNL. «У нас есть суперкомпьютеры, которые могут выполнять фантастические симуляции, но как мы можем использовать ИИ, чтобы использовать его преимущества для поиска новых вещей? Мы делаем это на El Capitan, потому что думаем, что находимся на том этапе, когда мы действительно можем расширять и углублять вычисления, поэтому вы можете искать во многих пространствах параметров, чтобы найти то, что вы ищете, и делать все это в чрезвычайно высокая точность».
Исследователи ICECap сообщают о разработке сложного рабочего процесса прототипа, который упрощает процесс оптимизации сразу для множества сложных параметров проектирования.
На машинах-предшественниках El Capitan исследователи ICECap применили рабочий процесс на основе искусственного интеллекта к экспериментам ICF, проводимым в Национальной установке зажигания (NIF) LLNL, и к сложной конструкции хольраума — корпуса для дейтерий-тритиевых мишеней, используемых в науке ICF.
Используя всего лишь несколько сотен симуляций, рабочий процесс на основе машинного обучения (МО) оптимизировал целевую конструкцию по 17 различным параметрам одновременно, что ранее считалось недостижимым за такой короткий период моделирования. По мнению исследователей, результаты продемонстрировали способность платформы автоматически и эффективно делать выбор дизайна, который соответствует интуиции физики.
Поиск отголосков симуляций в реальном мире
Успешно решая такие проблемы, как толщина аблятора (внешняя поверхность капсулы-мишени ICF), мощность лазера NIF и технологичность мишени, ICECap представляет собой значительный технологический прорыв в автоматизированном проектировании ICF, раздвигая границы достижимого в вычислительной технике. моделирование и оптимизация конструкции, а также начало дальнейших прорывов в научном моделировании и симуляции, говорят исследователи. По словам Петерсона, эта структура сделала именно то, что они ожидали по сравнению с реальными экспериментами и модификациями конструкции.
«Мы взяли множество этих параметров, ввели их все и сказали: «Хорошо, оптимизируйте еще раз; посмотрим, что вы можете сделать», — сказал Петерсон. «Наши алгоритмы изменили все параметры сразу, чего человек не сделал бы. Он изменил время второго (лазерного импульса) и утолщил аблятор, что было сделано независимо от реальных кампаний, включая знаковый выстрел термоядерного зажигания в декабре 2022 года.
«Итак, эти два независимых способа, которые люди придумали для улучшения конструкции, наш алгоритм смог использовать и изменять одновременно, создавая смесь двух подходов. И наш алгоритм может идти по тонкой грани — потому что, если вы меняете хотя бы один (параметр), вам придется изменить несколько других второстепенных параметров, иначе конструкция не будет работать», — сказал он.
Хотя ICECap разрабатывается в контексте науки ICF следующего поколения, исследователи заявили, что цель проекта — «создать общую основу для всех проблем проектирования». Петерсон и команда ICECap не считают, что эта структура заменяет ученых и инженеров, а вместо этого «дополняет» их, освобождая их время для постановки вопросов более высокого уровня.
Автоматизируя оптимизацию многомерных многоточечных систем, исследователи могут использовать структуру ICECap для эффективного исследования и усовершенствования сложных параметров проектирования, тем самым используя всю вычислительную мощь экзафлопсных систем и способствуя более глубоким и детальным исследованиям широкого спектра научных задач. явления, объяснили члены команды.
«Методология работает с одномерным моделированием», — сказал Петерсон. «Но мы надеемся, что с El Capitan у нас будут вычислительные мощности для проведения 2D- и 3D-моделирования, которые смогут охватить и другие важные физические процессы более высокого порядка — мы сможем относиться к нашим численным экспериментам как к игровой площадке для игр. выяснить, как наши лучшие представления реальности реагируют на определенные сценарии.
«Самая крутая особенность El Capitan заключается в том, что мы не будем ограничиваться одним статичным изображением. Мы можем поворачивать камеру, увеличивать и уменьшать масштаб, можем осмотреться и увидеть, как все выглядит на самом деле. Мы можем задавать вопросы, о которых раньше даже не задумывались, потому что мы находимся на том этапе, когда вы можете получить чрезвычайно реалистичное представление мира, и нам предстоит многому научиться», — сказал Петерсон.
Исследователи ICECap заявили, что проект не лишен проблем с обеспечением бесперебойной работы, поскольку они справляются со сложностями потенциально миллионов крупномасштабных симуляций, огромных объемов данных, мониторинга производительности системы и огромного масштаба вычислительной мощности в такой экзафлопсной вычислительной среде, как как у Эль Капитана.
Чтобы решить эти проблемы, команда ICECap разработала инновационные стратегии смягчения последствий, включая использование дымовых тестов с смоделированными данными и использование оборудования раннего доступа El Capitan для определения масштабируемости производительности и точной настройки системной инфраструктуры перед развертыванием машины.
Универсальный подход
ICECap использует несколько физических кодов с высокой плотностью энергии, оптимизированных для графических процессоров (GPU), таких как MARBL и HYDRA, а также инструменты для запуска крупномасштабных рабочих процессов на основе машинного обучения, включая Merlin, который первоначально применялся для решения проблем ICF, но теперь используется для исследования COVID-19. 19, дизайн лекарств и множество задач по физике. Он также использует модульный подход, который обеспечивает гибкость и мобильность при решении широкого спектра сложных научных и инженерных задач.
«Являясь относительно новым кодом, MARBL постоянно расширяет возможности мультифизических вычислений с ускорением на графическом процессоре для моделирования капсул ICF», — сказал ученый-вычислитель Роб Рибен, возглавляющий команду MARBL. «ICECap станет идеальной возможностью провести стресс-тестирование новейших функций кода в ходе сложного 2D- и 3D-моделирования обратного проектирования ICF в беспрецедентном масштабе».
По словам Джо Конинга, физика-вычислителя, работающего над проектом кода HYDRA ICF, ICECap стремится «использовать коды моделирования с поддержкой графических процессоров, машинное обучение, рабочие процессы и алгоритмы оптимизации для реализации цели открытия надежных высокопроизводительных конструкций ICF на экзафлопсных компьютерах». . А HYDRA, основной код, используемый для проектирования 2D/3D ICF, является важным компонентом проекта».
Другие исследователи HYDRA заявили, что команда внесла значительные улучшения в стек программного обеспечения, чтобы сделать ICECap возможным: от «расширения пользовательского интерфейса и моделей потока ALE (произвольный лагранжево-эйлеров) для облегчения автоматизации до расширения ключевых физических модулей для работы на графических процессорах MI300». — сказал Крис Шредер, еще один физик из команды HYDRA. «Я очень рад работать на этом стыке передовой науки и вычислений».
Петерсон сказал, что команда создает структуру ICECap «с прицелом на модульность, чтобы исследователи не были привязаны к очень конкретному коду, кодовой базе или проблеме». Эта модульность позволит ученым адаптировать технологии к различным задачам и сложным системам, заменяя имитационные модели и настраивая их для оптимизации.
Закладывая основу для плавного перехода к эпохе экзафлопсов, Петерсон сказал, что команда надеется «сдвинуть разговор о том, для чего нужны крупномасштабные вычисления, и возвестить эпоху, когда героические симуляции вчерашнего дня станут обычными симуляциями завтрашнего дня».
«Наша цель заключалась в том, чтобы обеспечить низкую планку для подключения людей, поэтому нам пришлось разработать структуру, которая позволит двум различным кодам взаимодействовать друг с другом», — сказал он. «Мы уже много лет ожидаем модульности и широкого использования и с учетом этого создаем инструменты для достижения этой цели.
«ICECap предназначен для ICF и термоядерного синтеза, но есть и множество других приложений, таких как современное производство и автоматизированные лаборатории, где в будущем у вас будет система искусственного интеллекта, предлагающая проекты, а затем вы отправите ее в свою роботизированную лабораторию. и он создает это, а затем отправляет обратно. Это всего лишь один шаг на этом пути — это захватывающее время».
Финансирование ICECap поступает из программы моделирования и вычислений оружия LLNL и использует технологию, разработанную в Лабораторные исследования и разработки (LDRD) проект применения когнитивного моделирования в дизайне, возглавляемый Петерсоном.
В число других членов команды ICECap входят Тим Бендер, Роберт Блейк, Най-Юань Чан, М. Жизель Фернандес-Годино, Брайан Гарсия, Эндрю Джиллетт, Брайан Гуннарсон, Купер Хансен, Джуди Хилл, Келли Хамберд, Богдан Кустовский, Ирен Ким, Юджин Кур, Стив Лангер, Райан Ли, Кэти Льюис, Алистер Магуайр, Хосе Милович, Ямен Мубарка, Рене Олсон, Джей Салмонсон, Брайан Спирс, Джаяраман Тиагараджан, Райан Тран, Цзинъи Ван и Крис Вебер.
Дополнительная информация:
«На пути к цифровому дизайну в экзафлопсном масштабе: обзор проекта ICECap». Физика плазмы18 июня 2024 г.
«Проектирование для зажигания: точные изменения дают исторические результаты», Новости NIF и Photon Science1 марта 2023 г.
«Высокопроизводительные вычисления, искусственный интеллект и когнитивное моделирование помогли LLNL покорить термоядерное зажигание», Новости NIF и Photon Science21 июня 2023 г.
Следуйте за нами на X: @lasers_llnl
