Arena Physica bude trénovat Heaviside na superpočítači Lux poháněném technologiemi AMD

Arena Physica ve svém oznámení z 12. listopadu 2026 uvedla, že bude spolupracovat se společností AMD na trénování budoucích generací svého elektromagnetického modelu Heaviside na superpočítači Lux v Oak Ridge National Laboratory. Projekt navazuje na model Heaviside-1 s 350 miliony parametrů, který byl uveden v září 2026.

Arena Physica popisuje Heaviside jako první základní model pro elektromagnetismus a uvádí, že jeho počáteční verze byla natrénována na 250 000 trojrozměrných simulacích polí, které zahrnovaly 500 miliard jednotlivých vzorků polí. Tyto údaje představují výchozí bod pro spolupráci se společností AMD, která je plánovaným tréninkovým programem, nikoli uvedením nástupce natrénovaného na superpočítači Lux.

Simulační data zvyšují nároky na výpočetní výkon

Každý tréninkový vzorek pochází z plnovlnné elektromagnetické simulace, při níž se Maxwellovy rovnice řeší na podrobném 3D modelu struktury. Vytvoření tréninkového korpusu je proto výpočetně náročnou součástí vývoje modelu, vedle výpočetních zdrojů potřebných pro samotný trénink.

„Tato pole jsou velmi citlivá na detaily návrhu, od drobných lokálních prvků až po strukturu jako celek. Zachytit tuto složitost vyžaduje velké množství vysoce věrných dat a architekturu modelu vytvořenou přímo pro tento účel,“ uvedl Michael Frei, ředitel výzkumu ve společnosti Arena Physica.

Arena Physica tento požadavek spojila s článkem Praktické zákony škálování, jehož autory jsou Christopher M. Bryant a Hao Liu. Článek tvrdí, že zákony škálování, jimiž se řídí moderní trénování modelů, byly kalibrovány pro předtrénování s dostatkem dat a jedinou epochou, a upozorňuje na strukturální omezení mimo tento režim. Navržená formulace rozkládá ztrátovou funkci na složky nedostatečné kapacity, nedostatečného trénování a přeučení a zároveň rozlišuje mezi jedinečnými příklady a celkovým počtem zpracovaných příkladů.

Po kalibraci tento přístup umožňuje rozdělovat prostředky s ohledem na náklady a s rostoucí cenou dat upřednostňovat menší korpusy a více epoch. Při použití na model Heaviside tento rámec ukazuje kompromis při volbě infrastruktury mezi generováním dalších jedinečných simulací a opakovaným trénováním na již existujících datech.

Lux poskytuje kapacitu pro trénování ve velkém měřítku

Specifikace superpočítače Lux od Oak Ridge Leadership Computing Facility uvádí více než 4 000 grafických procesorů AMD MI355X, 1,1 petabajtu paměti s vysokou propustností a výkon 20 exaFLOPS při trénování umělé inteligence ve formátu FP8. Každý MI355X má 288 GB paměti HBM3E a propustnost 8 TB/s. Přidělené výpočetní zdroje zahrnují také přístup k systému Orion, souborovému systému Lustre organizace OLCF, který má kapacitu přes 600 petabajtů.

Tyto údaje popisují kapacitu superpočítače Lux, nikoli změřené zrychlení modelu Heaviside. Jejich význam se týká obou částí zátěže: propustnosti akcelerátorů při trénování i paměti a úložiště pro simulační korpus, který trénování poskytuje data.

Plánované modely se zaměří na čipy a komunikace

Arena Physica plánuje, že pozdější generace modelu Heaviside budou pokrývat vyzařovací charakteristiky ve vzdáleném poli, složitější geometrie a širší frekvenční rozsahy a budou se škálovat až na větší komponenty a celé systémy. Mezi cílové aplikace patří antény pro komunikace 5G, 6G a satelitní komunikace, radiofrekvenční snímání v automobilovém průmyslu a pouzdření polovodičů a integrita signálu.

V oblasti polovodičů patří mezi uváděná využití návrh vysokorychlostních SerDes. Kumaran Siva, viceprezident společnosti AMD pro podnikovou strategii v oblasti umělé inteligence, spojil tuto práci s 3D pouzdřením čipů a rostoucími rychlostmi SerDes, které se zvyšují z 224 na 448 gigabitů za sekundu. Uvedl, že kvůli těmto trendům se elektromagnetické chování stalo jedním z nejobtížnějších problémů při návrhu polovodičů.

Arena Physica uvádí, že model Heaviside je navržen tak, aby předpovídal elektromagnetické chování o několik řádů rychleji a levněji než tradiční řešiče a umožnil autonomní inverzní návrh. Jde o cíle vývoje modelu, nikoli o měření jeho výkonu při spolupráci se superpočítačem Lux.

Arena Physica plánuje v nadcházejících měsících průběžně zveřejňovat výsledky trénování na superpočítači Lux. Tyto zprávy poskytnou podstatné důkazy pro posouzení, zda trénování v měřítku superpočítače Lux dokáže zajistit širší pokrytí frekvencí, geometrií a celých systémů, které společnost nastínila.