HUN-REN: számítási rekordot állított fel bonyolult kvantumfizikai rendszerek szuperszámítógépes szimulációi terén két magyar kutató
Új számítási rekordot állított fel bonyolult kvantumfizikai rendszerek szuperszámítógépes szimulációi terén két magyar kutató, Menczer Andor és Legeza Örs. Eredményük mérföldkövet jelent a kvantumos anyag számítógépes modellezése terén, bonyolult biokémiai összefüggéseket is megoldhat, és nagy segítséget nyújthat olyan kísérletek és ipari fejlesztések elkészítésénél, amelyek korábban rengeteg időbe és pénzbe kerültek - közölte a HUN-REN Magyar Kutatási Hálózat szerdán az MTI-vel.
A közlemény szerint kétszázötvenezer milliárdnyi elemi műveletet képes megoldani másodpercenként az a szimulációs program, amelynek segítségével csökkenteni lehet például a gyógyszerfejlesztés vagy épp az energiaszállítás hatékonyságának növelésére irányuló kutatások költségeit.
A tenzorhálózat algoritmus alkalmazásával az ELTE doktorandusz hallgatója, Menczer Andor és a HUN-REN Wigner Fizikai Kutatóközpont (FK) tudományos tanácsadója, Legeza Örs csaknem negyed PetaFlops teljesítményt ért el egyetlen számítógépen. Az erről szóló eredményt a közelmúltban publikálták legújabb tudományos cikkükben az amerikai Pacific Northwest Nemzeti Laboratóriummal, valamint az NVIDIA és SandboxAQ Google startup ipari partnereikkel közösen.
"Ez az AI-gyorsítókkal elért eredmény új mérföldkövet jelent a kvantumos anyag számítógépes modellezése terén, és a klasszikus és kvantumszámítógépek teljesítményharcában egy újabb megdöntendő határt támaszt" - idézték a közleményben Legeza Örsöt.
Az NVIDIA DGX-H100 eszközön elért 246 TeraFlops teljesítmény egy csaknem nyolcvan darab 128 magos számítógép, avagy 700-1000 darab modern laptop teljesítményével egyenértékű. Ez majdnem a fele a Komondor nevű szuperszámítógép mesterséges intelligencia (AI) partíció teljesítményének (0,6 PetaFlops). A tájékoztatás szerint az eredmény komoly áttörést jelent az új hardvereszközök által biztosított teljesítmény kiaknázásában a nem kifejezetten mesterséges intelligenciára épülő algoritmusok esetében.
Az elérhető teljesítmény még tovább növelhető az egyedi számítógépek összekapcsolásával. Így az úgynevezett multinode-os variánssal a több PetaFlops-os tartomány elérése sem jelent akadályt. 2015-ben a világ akkori egyik legnagyobb japán szuperszámítógépének teljesítménye 10 PetaFlops volt - emlékeztettek a közleményben.
"Az egyre újabb matematikai algoritmusok és az információtechnológia szinte felfoghatatlan ütemű fejlődése együttesen olyan bonyolult kvantumos rendszerek vizsgálata előtt nyitja meg az utat, melyek korábban csak a kutatók álmaiban léteztek" - emelte ki a tájékoztatásban Legeza Örs.
A HUN-REN Wigner FK tudományos tanácsadója szerint a számítási bravúr mellett a közös kutatás példátlan pontosságú eredményeket hozott az átmenetifém-metalloenzimeket tartalmazó összetett biokémia rendszerekben is. A fémtartalmú katalizátorok számos ipari és biológiai folyamatban kulcsfontosságúak, alapvető szerepet játszanak a kémiai reakciók elősegítésében.
Az energiaátalakítás ezen "kiserőművei" továbbá létfontosságúak több iparág számára is, beleértve az orvostudományt, az energiatermelést és számos fogyasztói terméket. A katalizátorok felgyorsítják a kémiai reakciókat, csökkentve a kémiai átalakuláshoz szükséges energiát, hatékonyabbá és fenntarthatóbbá téve ezáltal a kapcsolódó folyamatokat.
"Megértésük és optimalizálásuk elengedhetetlen napjaink nagy globális kihívásainak kezeléséhez, mint például a zöldenergia-termelés vagy a környezeti fenntarthatóság" - tette hozzá a HUN-REN kutatója.
Az új kutatási irány egyre nagyobb figyelmet kap ipari körökben is, mivel a tenzorhálózat algoritmus AI-alapú módszerekkel való ötvözése egy egészen új szimulációs környezetet teremt a gyógyszeripar és vegyipar számára is. Az óriási teljesítménynövekedés révén pedig a korábban több hónapig tartó számítások jelenleg már akár napi szinten is megvalósíthatók, ami a kvantumkémiai modellezéshez biztosít egy egészen új eszköztárat.
Jelenleg olyan újabb fejlesztésű hardvereken folyik az algoritmus optimalizálása, amelyek egy része csak a jövőben válik elérhetővé a nyilvánosság számára. "A közös kutatási eredmény egyben rávilágít az akadémia és az ipari szektor szinergiájában rejlő óriási lehetőségekre" - hangsúlyozta Legeza Örs a közleményben.
(Forrás: MTI)
A közlemény szerint kétszázötvenezer milliárdnyi elemi műveletet képes megoldani másodpercenként az a szimulációs program, amelynek segítségével csökkenteni lehet például a gyógyszerfejlesztés vagy épp az energiaszállítás hatékonyságának növelésére irányuló kutatások költségeit.A tenzorhálózat algoritmus alkalmazásával az ELTE doktorandusz hallgatója, Menczer Andor és a HUN-REN Wigner Fizikai Kutatóközpont (FK) tudományos tanácsadója, Legeza Örs csaknem negyed PetaFlops teljesítményt ért el egyetlen számítógépen.
"Ez az AI-gyorsítókkal elért eredmény új mérföldkövet jelent a kvantumos anyag számítógépes modellezése terén, és a klasszikus és kvantumszámítógépek teljesítményharcában egy újabb megdöntendő határt támaszt" - idézték a közleményben Legeza Örsöt.
Az NVIDIA DGX-H100 eszközön elért 246 TeraFlops teljesítmény egy csaknem nyolcvan darab 128 magos számítógép, avagy 700-1000 darab modern laptop teljesítményével egyenértékű. Ez majdnem a fele a Komondor nevű szuperszámítógép mesterséges intelligencia (AI) partíció teljesítményének (0,6 PetaFlops). A tájékoztatás szerint az eredmény komoly áttörést jelent az új hardvereszközök által biztosított teljesítmény kiaknázásában a nem kifejezetten mesterséges intelligenciára épülő algoritmusok esetében.
Az elérhető teljesítmény még tovább növelhető az egyedi számítógépek összekapcsolásával. Így az úgynevezett multinode-os variánssal a több PetaFlops-os tartomány elérése sem jelent akadályt. 2015-ben a világ akkori egyik legnagyobb japán szuperszámítógépének teljesítménye 10 PetaFlops volt - emlékeztettek a közleményben.
"Az egyre újabb matematikai algoritmusok és az információtechnológia szinte felfoghatatlan ütemű fejlődése együttesen olyan bonyolult kvantumos rendszerek vizsgálata előtt nyitja meg az utat, melyek korábban csak a kutatók álmaiban léteztek" - emelte ki a tájékoztatásban Legeza Örs.
A HUN-REN Wigner FK tudományos tanácsadója szerint a számítási bravúr mellett a közös kutatás példátlan pontosságú eredményeket hozott az átmenetifém-metalloenzimeket tartalmazó összetett biokémia rendszerekben is. A fémtartalmú katalizátorok számos ipari és biológiai folyamatban kulcsfontosságúak, alapvető szerepet játszanak a kémiai reakciók elősegítésében.
Az energiaátalakítás ezen "kiserőművei" továbbá létfontosságúak több iparág számára is, beleértve az orvostudományt, az energiatermelést és számos fogyasztói terméket. A katalizátorok felgyorsítják a kémiai reakciókat, csökkentve a kémiai átalakuláshoz szükséges energiát, hatékonyabbá és fenntarthatóbbá téve ezáltal a kapcsolódó folyamatokat.
"Megértésük és optimalizálásuk elengedhetetlen napjaink nagy globális kihívásainak kezeléséhez, mint például a zöldenergia-termelés vagy a környezeti fenntarthatóság" - tette hozzá a HUN-REN kutatója.
Az új kutatási irány egyre nagyobb figyelmet kap ipari körökben is, mivel a tenzorhálózat algoritmus AI-alapú módszerekkel való ötvözése egy egészen új szimulációs környezetet teremt a gyógyszeripar és vegyipar számára is. Az óriási teljesítménynövekedés révén pedig a korábban több hónapig tartó számítások jelenleg már akár napi szinten is megvalósíthatók, ami a kvantumkémiai modellezéshez biztosít egy egészen új eszköztárat.
Jelenleg olyan újabb fejlesztésű hardvereken folyik az algoritmus optimalizálása, amelyek egy része csak a jövőben válik elérhetővé a nyilvánosság számára. "A közös kutatási eredmény egyben rávilágít az akadémia és az ipari szektor szinergiájában rejlő óriási lehetőségekre" - hangsúlyozta Legeza Örs a közleményben.
(Forrás: MTI)
Hozzászólások